Ladda ner
Starta
Hej! För att komma igång, anslut bara din enhet till din dator med Type-C-kabeln. Dubbelklicka sedan för att öppna Kflash_GUI-applikationen. Här kan du välja motsvarande enhetsport, korttyp (M5StickV), firmwareprogram och baudrate. Allt du behöver göra är att klicka på Ladda ner så är du redo!
Klassificeringsmodell
Vi är så exalterade över att börja träna modellen! Vi behöver bara se till att vi har mycket träningsmaterial. Eftersom hårdvaran på M5StickV och UnitV är lite olika, måste vi också se till att vi filmar materialet på rätt sätt. Vänligen titta på instruktionerna nedan för att säkerställa att du filmar enligt den hårdvara du använder.
M5StickV-inspelningsmaterial
För att börja fotografera träningsmaterialet måste du först ladda ner boot-M5StickV-programmets zip-fil. När du har laddat ner den, packa helt enkelt upp alla filer i zip-filen till SD-kortet (M5StickV kräver ett SD-kort, klicka här för att se stödda typer).
När du har satt in SD-kortet för att lagra bildmaterial är du redo att starta kameran! Håll bara in den vänstra strömknappen länge för att starta kameran. När skärmen visas, som på bilden nedan, vet du att du är i fotograferingsprogrammet.
Du kommer att se en navigeringsfält högst upp på skärmen som visar det aktuella klassnumret och antalet bilder du tagit i realtid. Tryck bara på HOME-knappen för att ta bilder! Du kan också använda knapparna på höger sida av kamerahuset för att byta klassnummer.
Vi är så glada att kunna meddela att programmet för närvarande erbjuder 10 grupper av klasser för användare att fånga träningsmaterial! Varje klassgrupp representerar en annan typ av igenkänningsobjekt. För att få bästa träningsresultat rekommenderar vi att du fotograferar mer än 3 klassgrupper. Vi vill bara försäkra oss om att vi ger dig den bästa träningsupplevelsen, så varje klassgrupp behöver fotograferas med mer än 35 bilder. Annars kommer det inte att vara tillgängligt via träningen i molnet. Tack så mycket för din förståelse! Ju fler klipp du tar, desto bättre blir igenkänningsträningseffekten och desto högre igenkänningsgrad!
UnitV-boot-UnitV
Boot-UnitV-programmet hjälper dig att fånga bilder för UnitV. Det är ett praktiskt litet verktyg som samlar material för modellträning.
För att komma igång, sätt helt enkelt in SD-kortet i UnitVs kortplats. Det är där det inspelade träningsmaterialet som standard kommer att sparas.
Vi finns alltid här för att stödja dig! Om du behöver hjälp på vägen, tveka inte att höra av dig. (Bara en liten påminnelse: UnitV behöver ett SD-kort. Du kan se vilka typer som stöds här.)
För att ta en bild med IDE:s kamera, tryck bara på A-knappen för att ta en bild och B-knappen för att byta klassnummer. Superenkelt! Utdataloggen finns där för att hjälpa dig! Den visar klassnumret för varje åtgärd och antalet tagna bilder. Vi är så spända på att du ska se loggutdata! Klicka bara på "Serial Monitor" nedan för att komma igång.
Vi är så glada att kunna meddela att vårt program för närvarande erbjuder 10 grupper av klasser för användare att ta träningsmaterial! Varje grupp av klasser representerar en annan typ av igenkänningsobjekt. Vi uppmuntrar dig verkligen att få bästa möjliga träningsresultat! För att göra detta föreslår vi att du försöker spela in mer än tre grupper av klasser. Vi vill verkligen säkerställa att allt är så exakt som möjligt, så vi ber dig bara att försöka spela in mer än 35 materialbitar för varje grupp av klasser. Stort tack för din hjälp med detta! Ju fler klipp du spelar in, desto bättre träningsresultat och högre igenkänningsgrad!
När du spelar in ditt träningsmaterial skulle vi uppskatta om du kunde försöka hålla belysningen så jämn som möjligt. Det hjälper oss att få bästa möjliga igenkänningsresultat! Försök också att fylla skärmen med det objekt du vill känna igen och se till att det inte finns några störande element i bakgrunden.
Bara en heads-up! För att allt ska gå smidigt behöver varje grupp av klasser ha minst 35 klipp. Annars kan de inte skickas för molnträning. Tack! Ju fler klipp du spelar in, desto bättre blir igenkänningsträningen!
