延續上一篇[Google Coral TPU Edge開發板 – 硬體介紹與開機]，現在要示範基本的影像分類與物件偵測範例。
原廠網站也提供了很多範例，都可以做做看
Edge TPU Python API – 影像分類範例
預設的 edgetpu_demo sh是透過 Edge TPU Python library (edgetpu Python module) 來對影像中的每一個 frame 進行推論，可以看到效能還不賴。本函式庫包含了各種API，幫助您快速進行影像分類或物件辨識等相關視覺推論。後續還有其他範例來說明如何使用本API。
首先，請在 Coral 開發板的 terminal 中，回到 home 目錄並下載鳥類分類模型、標籤檔與分類用的照片：
[pastacode lang=”bash” manual=”cd%20~%0A%0Awget%20https%3A%2F%2Fdl.google.com%2Fcoral%2Fcanned_models%2Fmobilenet_v2_1.0_224_inat_bird_quant_edgetpu.tflite%20%5C%0Ahttps%3A%2F%2Fdl.google.com%2Fcoral%2Fcanned_models%2Finat_bird_labels.txt%20%5C%0Ahttps%3A%2F%2Fcoral.withgoogle.com%2Fstatic%2Fdocs%2Fimages%2Fparrot.jpg” message=”” highlight=”” provider=”manual”/]現在切換到範例目錄來對鸚鵡的照片進行影像分類，先來看看這隻鸚鵡：
應該會看到類似的結果：
物件辨識範例
請由此取得本範例程式碼，object_detection.py 會透過 DetectionEngine API 進行物件辨識，這會用到偵測模型、標籤檔與要被偵測的影像。如果不指定標籤檔的話，預設會偵測臉部 (當然需要提供 face detection model).
本範例會使用 MobileNet SSD，已預先訓練好可偵測1,000種不同類型的物件 (或單純人臉)。
先取得檔案：
[pastacode lang=”bash” manual=”” message=”” highlight=”” provider=”manual”/]範例的貓與人臉
執行範例：
[pastacode lang=”bash” manual=”cd%20%2Fusr%2Flib%2Fpython3%2Fdist-packages%2Fedgetpu%2Fdemo%0A%0Apython3%20object_detection.py%20%5C%0A–model%20%24EXAMPLE_DIR%2Fmobilenet_ssd_v2_coco_quant_postprocess_edgetpu.tflite%20%5C%0A–label%20%24EXAMPLE_DIR%2Fcoco_labels.txt%20%5C%0A–input%20%24EXAMPLE_DIR%2Fcat.jpg%20%5C%0A–output%20%24EXAMPLE_DIR%2Fobject_detection_results.jpg” message=”” highlight=”” provider=”manual”/]應可看到以下結果，並會在 –output 資料夾把 cat 框起來
換一張圖試試看 (face.jpg)
[pastacode lang=”bash” manual=”python3%20object_detection.py%20%5C%0A–model%20%24EXAMPLE_DIR%2Fmobilenet_ssd_v2_face_quant_postprocess_edgetpu.tflite%20%5C%0A–input%20%24EXAMPLE_DIR%2Fface.jpg%20%5C%0A–output%20%24EXAMPLE_DIR%2Fface_detection_results.jpg” message=”” highlight=”” provider=”manual”/]
