TensorFlow Lite 和人员检测

大家好，

固件版本v3.5.0终于发布了！启动 OpenMV IDE 以自动下载并安装它。固件 v3.5.0 修复了大量错误并改进了 OpenMV Cam 功能：

• 将 CMSIS 更新至 v5.4.0
• 将 H7 HAL 更新至 v1.5
• 将 MicroPython 更新到 1.11 。
• 将 WINC1500 固件更新至 v19.6.1。
• 将 WINC1500 主机驱动程序更新至 v19.3.0。
• 添加STM32Cube.AI支持。
• 添加适用于微控制器的 TensorFlow Lite。
• 使用 TF Lite 添加内置人员检测器。
• 添加ulab和openrv库。
• 添加对 32 位 SDRAM @100 MHz 的支持。
• 添加 Arduino UART 示例。
• 为内部通道添加新的 ADC 示例。
• 添加新的 HTTPs 客户端示例。
• 修复 v3.5.0-beta.2 中引入的 fb_alloc 错误。
• 修复 ADC 驱动程序以与新的 H7 HAL 配合使用。
• 修复读取 24 位图像时的 BMP 错误。
• 修复设置 VGA/RGB565 时的 Lepton Hardfault。
• 修复 F7 上的 SPI WFI 错误。
• 修复 cpufreq H7 频率。
• 修复 Makefile 顺序依赖性问题。
• 修复 VSCALE0 低功耗模式。
• 使用 MBEDTLS 启用 mod USSSL。
• 为 OpenMV-4R2 启用 QSPI 内部存储。
• 为 rev V 器件启用 VSCALE0。
• 脚本/库中的所有模块现在都被冻结。

特别是，我们已更新到最新版本的 MicroPython，启用了 USSSL 支持，并添加了 TensorFlow Lite 对微控制器的支持！借助 OpenMV Cam M7/H7 上的 TensorFlow Lite 支持，您现在可以运行 8 位量化 TensorFlow Lite 平面缓冲区模型！这项新功能包括一个内置于 OpenMV Cam M7/H7 闪光灯中的人员检测器模型，能够检测 OpenMV Cam 视野内是否有人！

我们决定将人员检测器模型包含到 OpenMV Cam 的闪光灯中，以使此功能的使用变得非常简单。也就是说，在添加人员检测器模型、USSSL 和 TensorFlow 后，我们的可用闪存空间已经用完了。现在添加到 OpenMV Cam 固件中的新功能将要求我们删除其他内容并优化代码以为它们腾出空间。

用于微控制器的 TensorFlow Lite 详细信息

您可以在此处阅读有关新 TensorFlow 模块的所有信息。对于我们的初始版本，我们支持图像分类和分割。一旦 Google 发布了微型对象检测模型，我们也可以添加对对象检测的支持。不管怎样，我们开箱即用地支持以下 TensorFlow 层，例如深度卷积层、卷积层、最大池层、全连接层等。

接下来，您的 OpenMV Cam M7 和 H7 现在正在运行官方 TensorFlow 代码，因此您现在可以利用 Google 的桌面 TensorFlow 库（以及 Keras）来训练模型。要开始使用，您可以在此处遵循 Google 的深入指南。

此外，如果您有兴趣将 TensorFlow Lite for Microcontroller 支持添加到任何其他 Cortex-M4 或 Cortex-M7 微控制器，我们在此处预编译了 TensorFlow Lite for Microcontroller 库。 Google 为微控制器提供 TensorFlow Lite 的方式非常要求您使用他们的构建系统，而不是将他们的代码集成到您的构建系统中。我们的库允许您更轻松地将 TensorFlow 支持集成到您的固件中，而无需处理复杂的构建系统问题。此外，我们还使用简单的 C 接口封装了所有在后台运行的 C++ 代码，以便于集成。

因此，启动 OpenMV IDE，下载最新的固件更新，并在您的 OpenMV Cam 上享受 TensorFlow！