- 综合排序
- 最热优先
- 最新优先
- 来自专栏AidLux
AIGC与AidLux互联应用—Aidlux端AIGC测评
本帖子源于AidLux面向众多开发者的AIGC训练营，目的在于实现使用stablediffusion生成图片传输到AidLux端实现目标检测。 分享部分传输检测代码及其实现视频如下：视频内容import socketimport cv2import numpy as npimport timeimport sys ### 本代码主要是客户端代码，aidlux buf += newbuf count -= len(newbuf) return buf def SendAIGC(): # 建立sock连接 # address要连接的aidlux ### 之前接受的帧率数据，现在换成image流数据 sock.close() if __name__ == '__main__': SendAIGC()该部分代码用于传输生成的图片到Aidlux
46230编辑于 2023-06-03 - 来自专栏边缘计算_rui
使用aidlux进行模型迁移、部署、推理
AidLux是一个构建在ARM硬件上，基于创新性跨Android/鸿蒙 + Linux融合系统环境的智能物联网 (AIoT) 应用开发和部署平台。 说的直白点，aidlux就是一个在arm架构芯片的设备上运行的linux系统，我们可以将身边的安卓设备当作边缘设备，在aidlux的基础上，使用安卓设备作为硬件来进行AI推理模型迁移登录网站：https ://aimo.aidlux.com/#/model-convert选择模型优化，传入对应格式的模型点击next图片点击next，选择目标格式：图片图片点击submit即可开始进行模型转换，转换成功后下载对应的模型转换结果即可部署和推理过程可以观看视频
71810编辑于 2023-09-07 - 来自专栏人工智能小白
AidLux智慧社区AI实战训练
AidLux智慧社区AI实战训练 一、主要目标 围绕智慧社区基本定义、场景需求理解、算法设计实现、边缘设备部署等核心要点，利用边缘设备AidLux，带大家完成智慧社区里面的两个典型场景：高空抛物和车牌识别的算法开发 vd_source=fbbf0424880919cc7d918ef607fef2e6 五、心得体会 通过AidLux智慧社区AI实战训练课程的学习，掌握了智慧社区基本定义、面向应用场景的算法设计及实现、
75600编辑于 2023-03-05 - 来自专栏Aidlux人工智能
基于Aidlux平台的工业视觉缺陷检测
\yolov8-aidlux\\yolov8-main\\yolov8n.yaml") model=YOLO("E:\\Aidlux8\\2\\yolov8-aidlux\\yolov8- Aidlux平台介绍图片Aidlux安装和环境配置特点o安卓手机app市场下载并安装AidLux应用。 安装包大小为1.2g打开AidLux，配置各种权限，手机-设置-关于手机-多次点击系统版本号，打开开发者模式重启AidLux，选择登陆或者免注册登陆，应用系统第一次打开需要加载AidLux，等待进度条完成手机端进入 AidLux界面后，查看手机端桌面Cloud ip蓝色云朵图标，获得ip和端口号PC端浏览器中输入ip地址和端口号，登录界面为root用户，输入aidlux(默认密码)登陆进入到AidLux桌面打开终端更新和安装所需工具包 整个流程下，我已经学会了如何在Aidlux进行模型部署，令我也感觉到成就感，在此特别感谢张子豪老师和Aidlux团队的贡献，希望他们以后在AI算法开发的道路事业更加顺利。
88930编辑于 2023-09-08 - 来自专栏Aidlux人工智能
基于Aidlux的图片相似度对比
Aidlux平台部署1. tfilte部署import aidlite_gpuimport cv2from cvs import *import numpy as npimport osimport timefrom aidlite.ANNModel(model_path, in_shape, out_shape, 4, 0) print("gpu:", value) img1_pth = "/home/aidlux /test_imgs/test/false/beijing_2019-11-21_10406_200_200_seal.jpg" img2_pth = "/home/aidlux/test_imgs FONT_ITALIC, 1, (255,255,0), 2) # from cvs import * cvs.imshow(img_pair) cv2.imwrite("/home/aidlux /test_imgs/test/false/beijing_2019-11-21_10406_200_200_seal.jpg" img2_pth = "/home/aidlux/test_imgs
1K00编辑于 2023-10-30 - 来自专栏热成像电力巡检
《基于AidLux的自动驾驶智能预警应用方案》
基于AidLux的项目实战之 智能预警在AidLux上的部署与应用1.YOLOP模型onnx转换部署YOLOP导出onnx模型执行命令:python3 export_onnx.py --height 640 --width 640执行完成后，会在weights文件夹下生成转换成功的onnx模型图片2.AidLux模型转换工具Al Model Optimizer通过该工具对onnx模型转换成pt模型图片3. YOLOP模型在AidLux上部署与应用将项目上传到home文件夹，执行命令: pip install -r requirements.txt安装依赖环境，并通过demo.py验证推理效果。
31210编辑于 2023-07-02 - 来自专栏Aidlux人工智能
基于Aidlux平台的智能版面分析
在Aidlux平台上上传代码包后，分别进行相关配置后，进行PDF转图片->版面检测->文本检测和识别等流程，输出Word。
1.3K10编辑于 2024-01-09 - 来自专栏AI_aidlux
基于aidlux的ai模型边缘设备模型部署实战（1.熟悉环境）
1、Aidlux介绍相关介绍与使用安装请参考，之前的文章内容。CD CHASERS：《基于Aidlux的智慧安防AI实战训练营》收获与心得。本次使用时notebook。 没有相关边缘设备可以使用aidlux。本次进行的学习只需进行如下安装配置。aidlux相关的安装使用，环境配置参考如下链接同济子豪兄。(notebook无法在浏览器中打开，降低不同更换不同版本)。 2、熟悉aidlux软件中的相关ai项目完成相关环境安装与配置后，了解更多ai项目，进行相关demo运行操作，感受ai项目的魅力之处。
44530编辑于 2023-08-02 - 来自专栏Aidlux训练营
工业视觉少样本缺陷检测实战应用：AidLux平台的创新实践
AidLux简介及其优势AidLux是成都阿加犀智能科技有限公司自主研发的融合架构操作系统，支持Android/鸿蒙和Linux系统的生态融合。 AidLux平台安装和环境配置2. AidLux平台安装和环境配置在安装和配置AidLux环境时，要遵循一系列详细的步骤，以确保平台能够顺利运行和充分发挥其功能。 首先，需要从官方网站或应用市场下载AidLux应用。在下载完成后，进行标准的安装流程，包括接受相关的使用条款和条件。安装后，用户需要对AidLux进行初步配置。 Vscode平台与AidLux连接连接Vscode平台与AidLux是一个关键步骤，它不仅使得代码开发和调试更加高效，还能充分利用AidLux平台的AI推理加速能力。 安装完成后，配置Vscode以连接到AidLux平台。这通常涉及设置远程开发环境，确保Vscode可以通过网络与AidLux平台进行通信。
74600编辑于 2023-12-10 - 来自专栏Aidlux人工智能
基于Aidlux平台的工业视觉少样本缺陷检测
return Image.fromarray((np.argmax(mask, axis=0) * 255 / mask.shape[0]).astype(np.uint8))def aidlux_tflite_infer cv2.waitKey(0) # cv2.destroyAllWindows() if __name__ == '__main__': model_path = "/home/dataset2aidlux /unetmodel_fp32.tflite" img_path = "/home/dataset2aidlux/test_imgs/0597.PNG" save_path = '/home /dataset2aidlux/test_imgs/result_0597.png' aidlux_tflite_infer(model_path, img_path, save_path)效果视频 ：基于Aidlux的语义分割模型转换：https://www.bilibili.com/video/BV1K64y1j7SB/基于Aidlux的语义分割模型部署：https://www.bilibili.com
41610编辑于 2023-12-02 - 来自专栏热成像电力巡检
利用AidLux实现热成像电力巡检项目操作演示
【摘要】 本项目参考AidLux五月实战训练营内容：基于热成像的巡检及AidLux工程方案。利用Aidlux平台和手机移动端算力，轻松落地部署基于热成像智能巡检项目。 tflite模型，并读取本地图片进行绝缘子串芯片的处理，处理效果如下：1.原图像2.对原图像中的感兴趣区域外接矩形3.将感兴趣的区域转换至水平状态4.去除背景区域5.对感兴趣区域进行二值化和侵蚀操作本项目参考AidLux 五月实战训练营内容：基于热成像的巡检及AidLux工程方案。 利用Aidlux平台和手机移动端算力，轻松落地部署基于热成像智能巡检项目。
20900编辑于 2023-05-05 - 来自专栏Aidlux人工智能
基于Aidlux平台实现手机摄像头实时Canny检测
第一步：通过Github查找作者TommyZihao，在其aidlux_tutorial工程下找到“用手机摄像头玩转OpenCV”这个项目，并以压缩包的形式下载下来。 图片第二步：从手机端登录Aidlux，根据Cloud_ip,获取IP地址，在电脑端进行输入，远程登录Aidlux桌面。默认密码：aidlux第三步：远程传输代码文件至手机端Aidlux。 将第一步中下载的压缩包项目上传至Aidlux的home目录下。 第四步：在电脑端Aidlux中找到AidCode，输入jupyter notebook --allow-root，获取jupyter的浏览地址。 图片此时可以看到我的Aidlux桌面上生成了canny_webcam.py的快捷方式。
68330编辑于 2023-08-04 - 来自专栏AidLux
利用AidLux实现电离目标检测与实时锁定演示
视频地址(16条消息) 利用AidLux实现电离目标检测与实时锁定演示_江暮的博客-CSDN博客 # aidlux相关 from cvs import * import aidlite_gpu from
62540编辑于 2023-05-10 - 来自专栏热成像电力巡检
基于AidLux的自动驾驶智能预警应用方案
基于AidLux的项目实战之 智能预警在AidLux上的部署与应用1.YOLOP模型onnx转换部署YOLOP导出onnx模型执行命令:python3 export_onnx.py --height 640 --width 640执行完成后，会在weights文件夹下生成转换成功的onnx模型图片2.AidLux模型转换工具Al Model Optimizer通过该工具对onnx模型转换成pt模型图片3. YOLOP模型在AidLux上部署与应用将项目上传到home文件夹，执行命令: pip install -r requirements.txt安装依赖环境，并通过demo.py验证推理效果。 合并到一张图像上，分别用不同的颜色标记出来4.2将检测的帧数，帧率，车辆数等信息显示在图像上图片5.输出获取最终融合的图像，并保存成视频,图像尺寸、帧率、编码是原视频尺寸、帧率和编码图片实战视频效果见下方链接基于AidLux
31520编辑于 2023-07-08 - 来自专栏AidLux
基于热成像的巡检及AidLux方案实现
主要算法：目标检测网络RetinaNet 本方案需要完成前置模型转换工作采取的方案为：pt—onnx—tflite（tflite为了完成部署到移动端） 完成转换后将模型部署至aidlux平台，完成实时视频检测
49630编辑于 2023-05-10 - 来自专栏Aidlux人工智能
基于Aidlux平台实现ONNX Runtime部署-水果分类-摄像头和视频
基于Aidlux平台的人工智能开发部署全流程图片图片图片第一步：连接Aidlux后，使用jupyter notebook --allow-root进行Aidlux平台联系的jupyter notebook Aidlux工程实践内容全是干货，同时过程也遇见了很多问题，但是张子豪老师和训练营的其他同学们都很认真为其他学员解决，耐心辅导，对我来言，刚刚接触这一领域，以及Aidlux平台的使用，让我耳目一新。 整个流程下，我已经学会了如何在Aidlux进行ONNX Runtime模型部署，令我也感觉到成就感，在此特别感谢张子豪老师和Aidlux团队的贡献，希望他们以后在AI算法开发的道路事业更加顺利。 最后放上本次基于Aidlux平台实现ONNX Runtime部署-水果分类-摄像头和视频的效果视频的地址。 基于Aidlux平台实现ONNX Runtime部署-水果分类-摄像头实时：https://www.bilibili.com/video/BV1UX4y1L76H/?
62720编辑于 2023-08-07 - 来自专栏人工智能小白
《Aidlux智慧安防AI实战训练营》总结
第⼆节课，主要从边缘设备的⽅式，Aidlux进⾏讲解，了解在边缘端的各⽅⾯内容。第三节课，主要从⽬标检测算法的训练，Aidlux上的移植、测试等⽅⾯进⾏讲解。 track.utils.visualize import plot_trackingimport requestsimport time# 加载模型model_path = '/home/lesson4_codes/aidlux BYTETracker(frame_rate=30)track_id_status = {}cap = cvs.VideoCapture("/home/lesson3_codes/yolov5_code/aidlux FONT_HERSHEY_SIMPLEX, 1, (255, 0, 255), 2 ) cvs.imshow(res_img)4、收获总结及学习心得 1）熟悉AI项目开发流程： 通过前面5次课学习，熟悉Aidlux 2）熟悉掌握常用开发工具：熟悉VScode安装、编程、调试，对python和OpenCV常见图像处理及视频处理进行实操编码及测试；熟悉AidLux远程调试，实现边缘终端部署测试。
47000编辑于 2022-10-29 - 来自专栏CV
基于AidLux的自动驾驶智能预警应用方案
AidLux模型转换工具-AIMOAI Model Optimizer--AIMO， 是一个简单、快速、精度损失小的模型转换平台。 平台地址：http://117.176.129.180:21115/体验账号：AIMOTC001账号密码：AIMOTC001图片3.2 YOLOP模型在AidLux上部署和应用3.2.1 AidLux简介 AidLux软件使用非常方便，可以安装在手机、PAD、ARM开发板等边缘设备上，而且使用AidLux开发的过程中，既能支持在边缘设备的本机开发，也支持通过web浏览器访问边缘端桌面进行开发。 各大应用商城都能下载AidLux，在手机商城搜索、下载安装AidLux。 3.2.2 连接AidLux将手机的wifi网络和电脑的网络连接到一起，打开安装好的手机上的AidLux软件，点击第一排第二个Cloud_ip。
66720编辑于 2023-07-10 - 来自专栏Aidlux，智慧安防
基于Aidlux的智慧交通AI安全车辆检测训练实战
2、Aldlux使用操作流程Aidlux介绍和使用流程，看可参考连接《智慧安防AI实战训练营：边缘端实现越界识别》Lesson2。 cuda" if torch.cuda.is_available() else "cpu"### 读取图片def get_image(): img_path = os.path.join("E:/Aidlux cuda" if torch.cuda.is_available() else "cpu"### 读取图片def get_image(): img_path = os.path.join("E:/Aidlux 需导入aidliteaidlite = aidlite_gpu.aidlite()# Aidlite模型路径model_path = '/home/Lesson5_code_2/yolov5_code/aidlux 视频视频内容5、总结经过本次训练营实战的学习，了解智慧交通AI安全方面的重要性，模型易受攻击场景与对抗攻击方式，以及相应的防御策略，实现了智慧交通车辆检测安防整体流程过程学习与操作，成功应用于Aidlux
63720编辑于 2022-12-06 - 来自专栏my博客
《Aidlux智慧社区AI实战训练营》大作业总结及心得
同时，Aidlux的出现让算法工程师的工作更加方便和高效，可以通过python实现模型的训练和部署，而且能够快速部署到ARM架构的手机、平板、电脑等设备上，这无疑是对我们工作的巨大助力。 如下是两张通过电脑登录到手机Aidlux的截图： 图片 图片 2.小作业 通过修改参数在aidlux手机端实现对抛洒物的跟踪，可以通过修改knnDetector背景重建参数、sort跟踪算子参数等等来观察不同的跟踪效果 3.2 车牌检测+识别模型的tflite的轻量化 因为模型需要部署在移动端，所以还需要将模型轻量化，同时考虑后面我们使用的aidlux对tflite的支持，所以选用tflite框架，对模型轻量化。 3.3 代码实现及结果分析 使用Aidlux手机端运行视频并显示中文车牌需要： 1.运行aidlux端的视频读取方式,cvs.VideoCapture(video_path) 2.使用PIL写入中文字符 ,具体实现见aidlux/utils.py 整体代码如下： # aidlux相关 from cvs import * import aidlite_gpu from utils import * import
91500编辑于 2023-02-26
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号