はじめに

i-PROカメラアプリケーション開発環境の構築が完成していることを前提に説明します。
開発環境の構築が準備できていない場合、こちらを参考に完成させてください。

また、このチュートリアルではSDKのインストールディレクトリを${SDK_DIR}として記載します。

動作概要

yuv_dnn_appはカメラ上のモデルを推論、結果を出力するサンプルアプリです。

特になし。

C/C++のソースコードは下記に格納されています。

${SDK_DIR}/src/adamapp/yuv_dnn_app

Pythonのソースコードは下記に格納されています。

${SDK_DIR}/src/adamapp-py/yuv_dnn_app

サンプルアプリをビルドする前に、AIモデル変換ツールを利用する必要があります。

yuv_dnn_appサンプルアプリには下記ファイルを用意しているので、AIモデル変換ツールを利用しなくても動作確認は可能です。

${SDK_DIR}/src/adamapp/yuv_dnn_app/data/cnn/mobilenet_cavalry.bin

下記からAIモデル変換ツールを取得し、環境構築してください。

お問い合わせからご提供までは数日お時間をいただいております。

環境構築が完了しましたら、下記を参考にサンプルモデルの変換を行ってください。

SDKのインストールディレクトリでビルド用環境設定ファイルの読み込みを実施します。

$ cd ${SDK_DIR}
$ source setup_env.sh ipro-ambaCV2X

ビルド用環境設定は各環境に合わせて実施してください。
ここでは、ipro-ambaCV2X　を指定します。

次にサンプルアプリのディレクトリに、モデル変換したmobilenet_cavalry.binファイルを下記の構成で配置します。

${SDK_DIR}/src/adamapp/yuv_dnn_app/data/cnn/mobilenet_cavalry.bin

makeします。

$ cd src/adamapp/yuv_dnn_app
$ make

${SDK_DIR}/src/adamapp/yuv_dnn_app に.extファイルが作成されていれば成功です。

カメラにインストールします(例：下記画像の緑枠からインストール可能)。作成した.extファイルを選択してインストールしてください。
アプリ画面を開きます(下記画像の赤枠ボタン)。

カメラの映像が表示されていれば成功です。

SDKのインストールディレクトリでビルド用環境設定ファイルの読み込みを実施します。

$ cd ${SDK_DIR}
$ source setup_env.sh ipro-ambaCV2X

ビルド用環境設定は各環境に合わせて実施してください。
ここでは、ipro-ambaCV2X　を指定します。

次にサンプルアプリのディレクトリに移動し、makeします。

$ cd src/adamapp-py/yuv_dnn_app
$ make

${SDK_DIR}/src/adamapp-py/yuv_dnn_app に.extファイルが作成されていれば成功です。

カメラにインストールします(例：下記画像の緑枠からインストール可能)。作成した.extファイルを選択してインストールしてください。
アプリ画面を開きます(下記画像の赤枠ボタン)。

カメラの映像が表示されていれば成功です。

画面左上にToy_poodleなど犬種の名前が表示されています。犬の画像などをカメラに映してみると、該当する犬種の数値が増加することが確認できます。各自で試してみてください。