文件名称：TensorFlow-Lite-Object-Detection-on-Android-and-Raspberry-Pi:本教程显示了如何在Android设备，Raspberry Pi等上训练，转换和运行TensorFlow Lite对象检测模型！
文件大小：58.97MB
文件格式：ZIP
更新时间：2024-04-03 01:56:58
Python
Android和树莓派上的TensorFlow-Lite对象检测 展示如何训练TensorFlow Lite对象检测模型并在Android，Raspberry Pi等上运行它们的指南！ 介绍 TensorFlow Lite是用于在资源受限的边缘设备上部署轻量级深度学习模型的优化框架。 TensorFlow Lite模型具有更快的推理时间和更少的处理能力，因此可用于在实时应用程序中获得更快的性能。 本指南提供分步说明，说明如何训练自定义TensorFlow对象检测模型，如何将其转换为TensorFlow Lite可以使用的优化格式以及如何在Android手机或Raspberry Pi上运行它。 该指南分为三个主要部分。 每个部分在此存储库中都有其自己的专用README文件。 如何在Windows 10上训练，转换和运行自定义TensorFlow Lite对象检测模型<---您在这里！
【文件预览】：
TensorFlow-Lite-Object-Detection-on-Android-and-Raspberry-Pi-master
----TFLite_detection_image.py(8KB)
----TFLite_detection_webcam.py(9KB)
----TFLite_detection_video.py(7KB)
----test1.jpg(582KB)
----TFLite_detection_stream.py(9KB)
----get_pi_requirements.sh(1KB)
----doc()
--------Coral_and_EdgeTPU2.png(222KB)
--------BSR_directory1.png(233KB)
--------MSYS_window.png(31KB)
--------object_detection_folder.png(89KB)
--------TFL_download_links.png(221KB)
--------camera_enabled.png(85KB)
--------training_in_progress.png(55KB)
--------YouTube_video1.JPG(31KB)
--------BSR_demo.gif(20.3MB)
--------YouTube_video2.png(319KB)
--------tflite1_folder.png(134KB)
--------squirrels!!.png(780KB)
--------TFLite-vs-EdgeTPU.gif(14.62MB)
--------labelmap_example.png(55KB)
----README.md(39KB)
----Android()
--------placeholder.txt(67B)
----test.mp4(22.32MB)
----Raspberry_Pi_Guide.md(25KB)