边缘计算盒子瑞芯微rk3588+寒武纪|38TOPSINT8算力● 采用 Big-Little 大小核架构，搭载四核 A76+四核 A55，CPU主频高达 2.4GHz ，提供1MBL2Cache 和 3MBL3 ，Cache提供更强的 CPU 运算能力。● 高性能四核Mali-G610GPU，至少支持2路4KUI，能流畅运行复杂的图形处理；● 可扩展4G/WIFI6/BT等无线通信模组，为边缘化业务部署提供便利；● 可扩展mSATASSD固态硬盘，适应大量数据存储需求；● 可扩展1~2个AI加速模组，最高可扩展算力32TOPS@INT8，组合算力最高能达到38TOPS@INT8，提供强悍的算
1.安装nginx+rtmp运行所要用到的库和依赖环境apt-getupdateapt-getinstallbuild-essentiallibpcre3libpcre3-devlibssl-devzlib1g-devopenssl2.下载nginx-1.20.2源码(下载地址：http://nginx.org/download/nginx-1.20.2.tar.gz)和nginx-rtmp-module（下载地址：hyttps://github.com/arut/nginx-rtmp-module），网盘“iTOP-3588开发板\02_【iTOP-RK3588开发板】开发资料\09_Lin
opencv解码记录解码库使用的时候发现瑞芯微以前做过解码库对ffmpeg和gstreamer的支持然后最近实在不想再调试Rtsp浪费时间了，就从这中间找了一个比较快的方案ffmpeg带硬解码库编译编译流程参考文献https://blog.csdn.net/T__zxt/article/details/123424359编译的ffmpeg是这个版本https://github.com/jjm2473安装了下面这些东西：sudoapt-get-yinstall\autoconf\automake\build-essential\cmake\git-core\libass-dev\libfreet
先感谢香橙派群的管理员耐心指导，经过不断的调试修改最后成功通过opencv调用mipi摄像头获取画面就记录分享一下大概步骤希望大家少踩点坑！！！！！！我用的固件系统是ubuntu2022.0.4固件是：Orangepi5_1.1.6_ubuntu_jammy_desktop_gnome_linux5.10.110.img想通过opencv获取画面得先安装opencv,注意安装的时候先安装opnecv需要的相关环境，不然可能会安装到一半就报错，百度也可以找到安装教程，如果实在不会安装貌似这个系统里面也有一个默认的openncv,4.5.0版本的，在终端输入这个：**pkg-config--mod
一、下载DevEcoStudioIDE开发工具1.登录鸿蒙官网网址为：华为HarmonyOS智能终端操作系统官网|应用设备分布式开发者生态页面如下： 2.搜索“DevEcoStudioIDE”点击右上角的“请输入关键词”，在其中搜索“DevEcoStudioIDE”。如下所示：3.跳转到DevEcoStudio页面点击上图中的“DevEcoStudio开发”，跳转到以下页面：链接为：HUAWEIDevEcoStudio和SDK下载和升级|HarmonyOS开发者4.跳转至DevEcoStudio下载页面点击上图中的“立即下载”按钮，出现以下页面：链接为：HUAWEIDevEcoS
文章目录一、Caffe模型加载接口二、TensorFlow模型加载接口三、TensorFlowLite模型加载接口四、ONNX模型加载五、DarkNet模型加载接口六、PyTorch模型加载接口沉淀、分享、成长，让自己和他人都能有所收获！😄📢RKNN-Toolkit2目前支持Caffe、TensorFlow、TensorFlowLite、ONNX、DarkNet、PyTorch等模型的加载转换，这些模型在加载时需调用对应的接口，以下为这些接口的详细说明。一、Caffe模型加载接口
接前一篇文章：玩转贝启科技BQ3588C开源鸿蒙系统开发板——编译构建及此过程中的踩坑填坑（3）上一回重走OpenHarmony的编译构建流程，完成了第1步——安装依赖工具。本回继续往下进行。2. 获取标准系统源码这一步和之前并无不同，参考：玩转贝启科技BQ3588C开源鸿蒙系统开发板——代码下载（2）（1）前提条件1）注册码云gitee账号参考：码云gitee怎样注册-git-PHP中文网2）注册码云SSH公钥，请参考码云帮助中心（Gitee帮助中心-Gitee.com）参考：码云(gitee)配置SSH密钥由于笔者在前几年注册过，因此无需再次注册。3）安装git客户端和git-lfs并配置
基于yolov5与Arcface算法实现人脸检测以及拓展一、摘要二、本课题研究背景及研究意义三、国内外研究背景1、人脸检测技术的研究现状2、人脸识别技术研究现状论文的研究内容一、摘要为协助高校学生查找教室空座分布情况和辅助教师考勤，设计基于视频监控的教室人数统计方法。由于视频监控教室场景下的学生都是处于坐立状态，躯干部分被桌椅遮挡，无法进行全身轮廓检测，并且学生都是低头学习，也无法选择人脸识别进行计数，而选择人头这一部位作为检测目标更加适合教室场景。首先采用YOLOv5s网络作为人头检测识别的模型，在自制人头数据集上对网络进行训练，利用训练好的YOLOv5s网络提取不同视频监控下人头的特征和位
1查看v4l2设备firefly@firefly:~/opencv_cam$v4l2-ctl--list-devicesrk_hdmirx(fdee0000.hdmirx-controller):/dev/video40rkisp-statistics(platform:rkisp):/dev/video29/dev/video30/dev/video38/dev/video39rkcif-mipi-lvds2(platform:rkcif):/dev/media0/dev/media1rkcif(platform:rkcif-mipi-lvds2):/dev/video0/dev/video
文章目录一、查询SDK版本二、查询输入输出tensor个数三、查询输入tensor属性(用于通用API接口)四、查询输出tensor属性(用于通用API接口)五、查询模型推理的逐层耗时六、查询模型推理的总耗时七、查询模型的内存占用情况八、查询模型里用户自定义字符串九、查询原始输入tensor属性(用于零拷贝API接口)十、查询原始输出tensor属性(用于零拷贝API接口)十一、查询原始输入tensor属性(用于零拷贝API接口)十二、查询原始输出tenso
