现如今，人工智能迅猛发展，AI赋能产业发展的速度正在加快，“AI+”的需求蜂拥而来，但 AI应用快速落地的过程中仍存在很大的挑战：向下需要适配的硬件，向上需要完善的技术支持，两者缺一不可。

基于此，昇腾推出了系列化行业SDK和参考设计，通过把千行百业细分场景的开发经验和行业知识沉淀下来、水平复制，从而大幅度降低门槛、简化开发、提升效率。而信迈科技是昇腾重要的APN合作伙伴、金牌分销商，具有较强的自主设计硬件能力，双方紧密携手，打造软硬结合、更符合行业需求的算力底座，赋能产业快速、低成本数字化转型。

使用AscendCL快速实现垃圾分类和视频物体分类应用的案例，帮助开发者降低学习成本、简化开发流程，缩短项目周期！

案例概述

①垃圾分类应用：基于AscendCL，使用实现对图片中的垃圾类别进行检测，并输出有检测类别的图片；

②视频物体分类应用：基于GoogLeNet分类网络，使用实现对视频帧中的物体进行识别分类，并将分类的结果展示在PC网页上。

案例说明

本案例底层原理逻辑请参考华为昇腾AscendCL <垃圾分类>，和<视频物体分类>案例。

前置条件

基于实现垃圾分类应用

环境安装

注意事项：

➢以下操作以普通用户HwHiAiUser安装CANN包为例说明，推荐使用root用户进行操作，如果是root用户，请将安装准备中所有的${HOME}修改为/usr/local。

➢推荐按照本文档路径进行操作，如安装在自定义路径可能会导致环境冲突等问题

1、配置相关环境

# 以安装用户在任意目录下执行以下命令，打开.bashrc文件。

2、安装python-acllite

# 安装ffmpeg部分依赖

模型获取&转换

# 进入案例路径，samples为前置步骤中下载的案例包

测试数据获取

# 创建并进入data文件夹

运行案例

运行python代码：

# 此处的data为测试数据路径

➢运行成功后如无报错会显示以下信息：

案例展示

在案例根目录out文件夹下会生成带有检测类别的图片：

基于实现视频物体分类应用

环境安装

注意事项：

➢以下操作以普通用户HwHiAiUser安装CANN包为例说明，推荐使用root用户进行操作，如果是root用户，请将安装准备中所有的${HOME}修改为/usr/local。

➢推荐按照本文档路径进行操作，如安装在自定义路径可能会导致环境冲突等问题。

1、配置相关环境

# 以安装用户在任意目录下执行以下命令，打开.bashrc文件。

2、安装opencv

# 执行以下命令安装opencv （注：请确保安装的版本是3.x）

**3、**安装protobuf&presentagent

# 安装protobuf相关依赖

模型转换&获取

注意事项：

➢本案例使用基于Caffe的GoogLeNet模型，获取模型的命令已提供，如果开发者需要更多模型信息可参考：

# 进入案例路径，samples为前置步骤中下载的案例包

编译运行案例

1、执行编译脚本

# 进入脚本路径

➢执行编译脚本后请根据实际情况选择arm/x86格式，在上进行操作请选择：arm

➢编译脚本中会自动下载相关视频素材：cat.mp4，如开发者使用其它素材，可以在sample_build.sh处删除该命令

➢编译完成后会生成相关文件并提示complete

2、执行脚本运行案例

# 赋予脚本权限

➢执行运行脚本后，如果有本设备有多个ip，请选择能连通外网的ip并进行输入，例：10.1.30.111

➢执行成功后，会提示successfully，并提供相关的网页链接

➢运行脚本默认读取cat.mp4素材，如开发者使用其它素材，可以在sample_run.sh处更改素材路径

案例展示

打开浏览器输入提供的网页链接与端口号，例：10.1.30.111:7007

➢进入下图界面后，等待状态栏变为绿色，可以单击“Refresh“刷新，当有数据时相应的Channel 的Status变成绿色。

➢状态栏正常后，点击右侧的View Name下的名字，例：classify

➢进入视频物体分类界面后，会在视频左上角显示检测的物体类别，视频上方显示视频帧率，开发者可进行截图、录像等功能。