面罩检测 该模型是轻量级的面罩检测模型。 基于ssd的骨干网是Mobilenet和RFB。 主要特点 Tensorflow 2.1 训练与推论 使用mAP的精度 使用tf.GradientTape急切模式训练 使用tf.keras网络功能 使用tf.data.TFRecordDataset数据集 ├── assets │ ├── 1_Handshaking_Handshaking_1_71.jpg │ ├── out_1_Handshaking_Handshaking_1_71.jpg │ ├── out_test_00002330.jpg │ └── test_00002330.jpg ├── checkpoints │ └── weights_epoch_100.h5 ├── components │ ├── config.py │ ├── __

k210官方板子烧录固件,maixpy安装包,人脸识别kmodel,固件bin包,Pyloader,kflash等等所有软件,用于解决github下载太慢这件事情

请参考"(B20_04) facedetect.kmodel V4部署到Maix go硬件" 博文使用。

k210口罩识别模型，已经训练好，为kemodel文件，直接下载至K210即可运行k210口罩识别模型，已经训练好，为kemodel文件，直接下载至K210即可运行k210口罩识别模型，已经训练好，为kemodel文件，直接下载至K210即可运行k210口罩识别模型，已经训练好，为kemodel文件，直接下载至K210即可运行

B20_08_NNCase编译MobileNet_v1_1.0即tflite量化为kmodel v3.zip包含以下文件： ncc-win7-x86_64.zip即NNCase Converter v0.1.0 RC1对应的c#源码 nncase-0.1.0-rc1.zip即NNCase Converter v0.1.0 RC1对应的c#源码 mobilenet文件夹，其中mobilenet文件夹包含以下权重： MobileNet_v1_1.0.pb使用tf slim训练的mobilenet_v1_1.0； mobilenet_v1.tflite将MobileNet_v1_1.0.pb转成mobilenet_v1.tflite未量化； mobilenet_v1_kmodel_v4.kmodel 即通过NNCase v0.2.0 Beta2工具编译mobilenet_v1.tflite，未量化； MobileNet_v1_1.0_uint8_kmodel_v4.kmodel 即通过NNCase v0.2.0 Beta2工具编译mobilenet_v1.tflite，量化未uint8，k210 kpu可以加速；

该工程用于实现使用ncc工具箱对.tflite模型进行转换，得到的kmodel模型在K210单片机中实现20类物体分类任务。硬件：Sipeed Maix Dock开发板；软件：MaixPy IDE，NNCase Converter v0.1.0 RC5（模型转换工具）,20类yolo模型.tflite,及使用说明

针对k210或者其他AI嵌入式设备提供转化代码，支持训练、优化、转化相关内容，提供端到端的模型训练和转换。

face.kmodel facedetect.kmodel FD.smodel FE.smodel KP.smodel打包，人脸识别模块，可以放置在sd卡根目录，用于k210等开发板开发