新闻详情

新闻详情

首页 / 资讯中心 / 详情

【CanMV K210】AI 视觉 MNIST 手写数字识别与分类推理

发布时间:2026/11/17 7:59:06来源:尧图网络
【CanMV K210】AI 视觉 MNIST 手写数字识别与分类推理
在 CanMV K210 入门和 AI 视觉项目中,MNIST 手写数字识别是一个很适合拆解的分类模型实验。它不像人脸检测那样输出目标框,而是把输入图像送入模型后,判断画面中的数字更接近 0 到 9 中的哪一类。本实验使用 CanMV K210 运行4.7_Mnist_recognition.py。程序通过摄像头采集画面,对图像进行开窗、灰度化、缩放、反色、字符增强和 AI 格式转换,再送入 KPU 执行 MNIST 分类模型推理。模型输出 10 个分类结果后,程序取置信度最高的一项作为识别数字,并在 LCD 画面上显示num: x。学习目标说明理解分类模型流程掌握图像输入、预处理、KPU 推理、分类输出和结果显示之间的关系区分分类与检测理解 MNIST 输出数字类别,人脸检测输出目标位置框掌握图像预处理使用灰度化、缩放、反色和字符增强改善模型输入理解 KPU 推理结果从模型输出列表中找到最大值,并得到对应数字类别建立调试思路从摄像头画面、模型路径、输入尺寸、光照和数字书写方式排查问题这个实验的重点不是让 LCD 显示一个数字那么简单,而是理解“图像如何变成分类结果”。摄像头采集到的是一张实时图像,经过预处理后变成适合模型输入的数据,KPU 输出的是 10 个类别的分数,程序再从这些分数中选出最可能的数字。文章目录理论基础硬件设施软件代码扩展应用总结理论基础MNIST 手写数字识别属于图像分类任务。分类模型的目标是判断输入图像属于哪一个类别,本实验中的类别就是数字 0 到 9。和人脸检测不同,分类模型通常不会告诉目标在画面中的具体位置,也不会输出矩形框,而是输出每个类别对应的分数或置信度。本实验中,摄像头输出的是 QVGA 图像,程序通过sensor.set_windowing((224, 224))截取中间区域,让识别对象尽量处于画面中心。随后图像被转换成灰度图,并缩放为 112×112。MNIST 模型通常关注的是数字笔画形状,因此灰度化可以减少颜色干扰,缩放可以让输入尺寸匹配模型要求,反色和字符增强可以让数字轮廓更接近模型训练时的数据特征。代码中的out = kpu.run_with_output(img_mnist2, getlist=True)会返回一个列表,这个列表可以理解成模型对 0 到 9 每个数字的判断结果。程序使用max(out)找到分数最高的一项,再用out.index(max_mnist)得到对应的数字编号。比如最大值出现在列表第 3 个位置,就认为当前图像更像数字 3。下面的流程图展示的是 MNIST 手写数字识别的数据处理链路。它不是普通电路接线图,而是从摄像头图像到分类结果的 AI 推理流程。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/17 5:42:44

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/16 19:23:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/17 6:55:04

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/17 5:57:47

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/16 17:28:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉