使用 Grove - Vision AI 模块实现口罩检测

本教程将基于 SSCMA 示范使用 Grove - Vision AI 模块实现口罩检测的开发流程。

TIP

在开始前，我们建议您先阅读 Grove - 部署教程。

准备工作

请参考 Grove - 部署教程 - 先决条件。

训练模型

口罩检测功能基于 FOMO 模型实现，在这一步您需要一个后缀为 .pth 的 FOMO 模型权重，您有两种方法获取该模型权重:

• 在我们的 Model Zoo 下载预训练好的模型。

• 参考模型训练 - FOMO 模型，基于 PyTorch 和 SSCMA 自行训练 FOMO 模型得到模型权重。

导出模型

由于训练得到的模型并不适合直接在边缘计算设备上运行，我们首先需要将其导出为后缀是 .tflite 的 TFLite 格式，您有两种方法获取导出的模型 (包含模型权重):

• 在我们的 Model Zoo 下载导出为 TFLite 格式的模型。

• 参考模型导出 - PyTorch 转 TFLite，自行将 FOMO 模型从 PyTorch 格式转换为 TFLite 格式。

部署模型

这是完成口罩检测的最后一步，也是最重要的一步，在这一步您需要编译并刷写固件到 Grove - Vision AI 模块。请参考 Grove - 部署教程 - 编译和部署完成模型的部署。