Learn how to perform image classification on the edge using ONNX Runtime and a Raspberry Pi, taking input from the device’s camera and sending the classifica...
This video explains how to install Microsoft's deep learning inference engine ONNX Runtime on Raspberry Pi.Jump to a section:0:19 - Introduction to ONNX Runt...
How to configure your Raspberry PI 4 to perform autonomous driving object detection on the road! Special thanks to EdjeElectronics and with his tutorials, fo...
Raspberry Pi での ONNX ランタイム IoT の展開
Raspberry Pi での ONNX ランタイム IoT の展開
「Raspberry Pi での ONNX ランタイム IoT 展開」というタイトルのこのビデオでは、プレゼンターは、デバイス用に最適化された Mobilenet モデルを使用して、コンピューター ビジョン モデル用の ONNX ランタイムを Raspberry Pi に展開する方法を示します。このビデオでは、VNC ビューアーを使用して Raspberry Pi に接続し、構成し、OpenCV と Python を使用してカメラ テストを実行するプロセスについて説明します。プレゼンターは画像をキャプチャし、推論を実行して、予測された上位 5 つのクラスを出力します。これにより、画像内の万年筆が正しく識別されます。全体として、このビデオは、コンピューター ビジョン アプリケーション用に Raspberry Pi に ONNX ランタイムをデプロイするための役立つガイドを提供します。
Raspberry Pi に ONNX ランタイムをインストールする方法
Raspberry Pi に ONNX ランタイムをインストールする方法
このビデオでは、Raspberry Pi に ONNX ランタイムをインストールする方法の詳細なガイドを提供します。 Raspberry Pi に Raspbian Stretch をダウンロードしてインストールした後、ユーザーは Docker と QMU ユーザー静的パッケージをインストールし、ビルド ディレクトリを作成して、pip 経由でインストールできる ONNX ランタイム ホイール パッケージを取得するコマンドを実行する必要があります。このビデオでは、MNIST データセットでトレーニングされたディープ ニューラル ネットワークを使用して ONNX ランタイムをテストする方法と、単一の画像で推論セッションを実行するのにかかる時間を計算する方法についても説明しています。講演者は、このプロセスは長く複雑になる可能性がありますが、エッジ デバイスにニューラル ネットワークをデプロイしてテストする能力には価値があると述べています。
さまざまな MobileNet ONNX モデルを使用して Raspberry Pi で動作する画像分類
さまざまな MobileNet ONNX モデルを使用して Raspberry Pi で動作する画像分類
MobileNet V1 ONNX モデルの 3 パターンを使用して、ONNX ランタイムで Raspberry Pi 4 で画像分類を実行します。
使用されるモデルに応じて、7ms で分類が行われます。
Raspberry Pi 4 で動作する ONNX ランタイム上の SSDLite Mobilenet V2
Raspberry Pi 4 で動作する ONNX ランタイム上の SSDLite Mobilenet V2
ハードウェア アクセラレーションなしで Raspberry Pi 4 で動作する ONNX ランタイム上の SSDLite Mobilenet V2。
Raspberry Pi 4 で動作する ONNX ランタイムの SSDLite Mobilenet V1 深さ 0.75
Raspberry Pi 4 で動作する ONNX ランタイムの SSDLite Mobilenet V1 深さ 0.75
ハードウェア アクセラレーションなしで Raspberry Pi 4 で動作する ONNX ランタイムの SSDLite Mobilenet V1 深さ 0.75。
Raspberry Pi 4 で動作する ONNX ランタイムの Tiny-YOLOv3
Raspberry Pi 4 で動作する ONNX ランタイムの Tiny-YOLOv3
ハードウェア アクセラレーションなしで Raspberry Pi 4 で動作する ONNX ランタイムの Tiny-YOLOv3。
最適化された ONNX ランタイムを使用した Raspberry Pi 4 の分類とオブジェクト検出
最適化された ONNX ランタイムを使用した Raspberry Pi 4 の分類とオブジェクト検出
ONNX ランタイムで Raspberry Pi 4 で画像分類を実行します。
最適化された ONNX ランタイムを使用した Raspberry Pi 4 オブジェクト検出 (2020 年後半)
最適化された ONNX ランタイムを使用した Raspberry Pi 4 オブジェクト検出 (2020 年後半)
ハードウェア: ラズベリーパイ 4B
OS : ラズベリーパイ OS (32bit)
ソフトウェア: カスタム実行プロバイダーを使用した ONNX ランタイム 1.4.0 (CPU アクセラレーション)
モデル:
http://download.tensorflow.org/models/object_detection/ssd_mobilenet_v1_0.75_depth_300x300_coco14_sync_2018_07_03.tar.gz
http://download.tensorflow.org/models/object_detection/ssdlite_mobilenet_v2_coco_2018_05_09.tar.gz
https://github.com/onnx/models/blob/main/vision/object_detection_segmentation/tiny-yolov3/model/tiny-yolov3-11.onnx
Raspberry Pi 4 で動作する ONNX ランタイムの Tiny-YOLOv3
Raspberry Pi 4 で動作する ONNX ランタイムの Tiny-YOLOv3
ハードウェア アクセラレーションなしで Raspberry Pi 4 で動作する ONNX ランタイムの Tiny-YOLOv3。
Raspberry Pi 4 で自動運転物体検出!
Raspberry Pi 4 で自動運転物体検出!
このチュートリアルでは、インストラクターは、自動運転でトレーニングされたニューラル ネットワークを使用してオブジェクトを検出するように Raspberry Pi 4 を構成するために必要な手順を示します。これには、リポジトリのクローン作成、仮想環境のセットアップ、GPIO、OpenCV、TensorFlow などの依存関係のインストール、および Raspberry Pi カメラ モジュールの構成が含まれます。次に、インストラクターは、LED とプッシュ ボタンを Pi に接続し、Python スクリプトを実行して、オブジェクト検出で画像をキャプチャする方法を示します。最後に、ユーザーはバッチ rc ファイルを調整して、起動時にスクリプトを実行し、出力パスに保存された画像でフッテージを記録できます。