不眠者②队：国电F题省一，数字识别（神经网络训练），开源

这是我们兄弟队伍的作品，同样获得省一等奖，在我们的争取下，源码也开源啦！！！\

目录

• 前言
• 1.采集数据集
• 2.上传至Edgeimpluse进行训练
• 3.将训练文件导出

前言

  Openmv使用Edgeimpluse在线训练神经网络进行识别数字1-8（必须是openmv 4Plus）
对于很多只想要做神经网络识别的功能的人来说，从零到有要花费很大的学习成本，但是又想在短时间内实现理想的功能的朋友，OpenMV无疑为我们提供了一个很好的平台。

附上网址：edgeimpulse.com
注意：本文章严禁未授权转载；所属源码，除本团队外，禁止销售。如有发现，可向我们举报。

1.采集数据集

首先创建一个空文件夹，然后打开OpenMV IDE进行数据集的创建数据集

创建完成后左边状态栏会出现数据编辑器，为数据集创建标签类，在相应的类文件放入相应的数字，再点击想存取相应数字的文件，不点可能数字1收集完，创建数字2的文件，但是拍照还是存储在数字1的文件。（采集图片建议各个角度、距离、及位置都拍到且拍数字全）

2.上传至Edgeimpluse进行训练

注册完找到Data acquisition，然后找到Upload existing data，如果第一次上传那就看这个图标上传（通过IDE里的API线上传图片没成功过，所以手动传输）
选择训练的图片，默认是80%照片用来训练及20%用来测试（推荐），其次是全部用来训练以及全部用来测试
下面Enter label一定要手动填，这里我选择的是数字1的照片，所以标签名给1，其他数字以此类推
完成上传之后找到Impluse design照片的属性，第一个图片大小默认96*96
第二个我们训练的类型是图片，所以选择Image就行；之前我们对数据集进行了分类，所以默认选择迁移学习
第四个是训练完成后生成的标签集，点击Save impluse就可

点击左侧的image进行选择图片训练完的模式，默认RGB，但这里我们识别的是单色的数字，所以使用灰度图像模式（如果识别有无戴口罩或者垃圾分类等建议RGB），保存模式

选完接着点击上方的generate features，再点击页面中的generate features进行图像预处理

处理完点击左侧的Transfer learning
设置训练轮数
学习率的参数（学习速度的快慢），过大或者过小都达不到理想的模型
数据增强是在训练过程中可能随机变换数据，提高数据分类的准确性，并且在训练多轮不会过拟合，在训练多轮次可以勾选上
点击Start training开始训练，训练完点击左侧Versioning，保存训练版本，以便下次效果没之前好就使用之前的版本

3.将训练文件导出

将训练模型导出，点击左侧的Deployment选择OpenMV
点击build会生成一个压缩包，里面包含标签名文本，tflite文件和py文件，其中tflite文件就是本次的训练模型
将三个文件放置OpenMV的内置flash，打开IDE连接OpenMV并运行py文件即可识别

电赛F题交流群，要是过期了，关注公众号，联系千歌进群，未来我们还会继续推出各种比赛项目，敬请期待~~~