3. 示例程序

• 3.1. 前言
  • 3.1.1. Demo 摘要
  • 3.1.2. 返回值
  • 3.1.3. 测试验证
• 3.2. 使用 Resnet-50 进行图像分类
  • 3.2.1. 运行demo
    • 3.2.1.1. 获取bmodel和图片
    • 3.2.1.2. 运行C++程序
    • 3.2.1.3. 运行python程序
  • 3.2.2. C++ 代码解析
    • 3.2.2.1. Case 0: 基础示例程序
    • 3.2.2.2. Case 1: 单模型多线程
    • 3.2.2.3. Case 2: 多线程多模型
    • 3.2.2.4. Case 3: 多线程多 TPU 模式
  • 3.2.3. Python 代码解析
    • 3.2.3.1. Case 0: 基础示例程序
    • 3.2.3.2. Case 1: 单模型多线程
    • 3.2.3.3. Case 2: 多线程多模型
    • 3.2.3.4. Case 3: 多线程多 TPU 模式
• 3.3. 使用 SSD 进行目标检测
  • 3.3.1. 运行demo
    • 3.3.1.1. 获取bmodel、图像、视频
    • 3.3.1.2. 运行C++程序
    • 3.3.1.3. 运行python程序
  • 3.3.2. C++代码解析
    • 3.3.2.1. Case 0: 使用 opencv 解码和数据预处理
    • 3.3.2.2. Case 1: 使用 bm-ffmpeg 解码、使用 bmcv 做预处理
    • 3.3.2.3. Case 2: case 1 的 4N 模式
    • 3.3.2.4. Case 3: 使用 bm-opencv 进行解码和预处理
    • 3.3.2.5. Case 4: 使用 bm-opencv 解码、使用 bmcv 做预处理
  • 3.3.3. Python代码解析
    • 3.3.3.1. Case 0: 使用 opencv 解码和数据预处理
    • 3.3.3.2. Case 1: 使用 bm-ffmpeg 解码、使用 bmcv 做预处理
    • 3.3.3.3. Case 2: case 1 的 4N 模式
• 3.4. 使用Yolov3对多路视频做目标检测
  • 3.4.1. 运行demo
    • 3.4.1.1. 获取bmodel和视频
    • 3.4.1.2. 运行C++程序
    • 3.4.1.3. 运行python程序
  • 3.4.2. C++代码解析
    • 3.4.2.1. Case 0: 使用 opencv 做解码和数据预处理
    • 3.4.2.2. Case 1: 使用 bm-ffmpeg 解码，使用 bmcv 做预处理
  • 3.4.3. Python代码解析
    • 3.4.3.1. Case 0: 使用 opencv 做解码和数据预处理
• 3.5. 使用MTCNN进行人脸检测
  • 3.5.1. 运行demo
    • 3.5.1.1. 获取bmodel和图片
    • 3.5.1.2. 运行C++程序
    • 3.5.1.3. 运行python程序
  • 3.5.2. C++代码解析
    • 3.5.2.1. Case 0
  • 3.5.3. Python代码解析
    • 3.5.3.1. Case 0