# NICT2021 Hisilicon Digital telescope

**Repository Path**: I_AM_XMZ/hispark

## Basic Information

- **Project Name**: NICT2021 Hisilicon Digital telescope
- **Description**: 数字望远镜代码仓库
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2021-09-30
- **Last Updated**: 2023-07-11

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# NICT2021 Hisilicon Digital telescope

#### 介绍
NICT2021 Hisilicon Digital telescope 是嵌入式大赛海思赛道数字望远镜赛题的代码仓库
在Taurus目录下，是图像超分模型的板端部署代码补丁，以及实现主要功能的关键代码文件，和一个训练好的Edsr图像超分的wk模型
#### 软件架构
图像超分模型的板端部署是基于海思提供的SDK的nnie的sample进行的，根据我们小组模型的特点，对nnie的sample中的图像分割示例代码（SAMPLE_SVP_NNIE_Segnet）进行了修改，使其能够加载我们训练的EDSR模型，并且批量加载预先存储在文件系统中的图像文件，进行循环处理，最终输出所有输入图片对应的超分处理后的放大图像。


#### Taurus代码补丁的验证使用说明

1.  把NICT2021 Hisilicon Digital telescope仓clone下来。
2.  按照QQ群中提供的资料《Taurus计算机视觉基础开发套件操作指导》搭建基于SDK的开发环境。
3.  在code/HiSpark_Hi3516DV300_SDK_SPC021/目录下新建目录patch。
4.  把NICT2021 Hisilicon Digital telescope/Taurus/patch目录下的所有.patch文件都复制到code/HiSpark_Hi3516DV300_SDK_SPC021/patch目录下。
5.  在code/HiSpark_Hi3516DV300_SDK_SPC021/目录下执行下面的命令，把patch补丁打入步骤2搭建的SDK环境中。
	patch -p1 < patch/0001.HiSpark_Hi3516DV300_SDK_SPC021_mpp_sample_svp.patch
6.  进入code/HiSpark_Hi3516DV300_SDK_SPC021/smp/a7_linux/mpp/sample/svp目录，执行以下命令编译sample。
	make clean && make rel
7.  编译成功后，把code/HiSpark_Hi3516DV300_SDK_SPC021/smp/a7_linux/mpp/sample/svp/nnie/目录下的sample_nnie_main二进制文件拷贝到SDK的文件系统中。
8.  在SDK的文件系统中新建目录data/nnie_model/edsr/，并将NICT2021 Hisilicon Digital telescope/Taurus/src/目录下的.wk文件拷贝至data/nnie_model/edsr/目录。
9.  在SDK的文件系统中新建目录data/nnie_image/rgb_planar/，将上传至比赛官网的重点代码与数据压缩包中的所有.bgr文件拷贝至该目录。
10. 将上传至比赛官网的重点代码与数据压缩包中的offer_imgHead_720x1280x3.bmp文件拷贝至SDK的文件系统。
11. 在code/HiSpark_Hi3516DV300_SDK_SPC021/目录下执行命令./build.sh ext4，制作文件系统。
12. 按照资料《Taurus计算机视觉基础开发套件操作指导》中的说明，将文件系统烧录到板端。
13. 给Taurus开发板上电启动，并连接Hitool工具，打开串口。
14. 在板端的/root/目录下执行以下命令运行。
	chmod 777 sample_nnie_main
	./sample_nnie_main 1
15. 成功运行后，超分处理完成的图像输出至板端的/root/目录

#### 参与贡献

许洋滨、薛明璋、陈映帆

#### 更新版本 v1.0

1.  使用饱和运算+移位代替除法运算以提高速度。
2.  使用了新的测试图片集。
3.	添加了用于对比未超分原始图像和超分结果图像的工具脚本 (./Taurus v1.0/visual_320x180.py)
4.  上传了模型训练代码 (./SR-PyTorch)