yolov11-seg 是YOLO（You Only Look Once）系列的最新成员，专为实时实例分割任务设计。它在保持YOLO家族高效推理速度的同时，通过创新的网络结构和分割头设计，实现了像素级的精确目标检测与分割，适用于自动驾驶、医学影像、工业检测等对精度和速度要求苛刻的场景。本教程针对目标分割算法yolov11 seg的训练和部署到EASY-EAI-Nano-TB(RV1126B)进行说

YOLOv5是Ultralytics公司于2020年发布的目标检测模型，基于YOLOv3改进，具有更小的权重文件和更快的训练与推理速度。本教程详细介绍了如何将YOLOv5模型训练并部署到EASY-EAI-Orin-nano（RK3576）设备上。首先，通过下载口罩检测数据集并生成路径列表，接着克隆YOLOv5训练源码并修改配置文件进行模型训练。训练完成后，模型可转换为ONNX格式，再通过rknn-

YOLOv5 模型是 Ultralytics 公司于 2020 年 6 月 9 日公开发布的。YOLOv5 模型是基于 YOLOv3 模型基础上改进而来的，有 YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x 四个模型。YOLOv5 相比YOLOv4 而言，在检测平均精度降低不多的基础上，具有均值权重文件更小，训练时间和推理速度更短的特点。YOLOv5 的网络结构分为输入端Backb

本教程针对目标检测算法yolov5的训练和部署到EASY-EAI-Nano(RV1126)进行说明。

SDIO的信号传输模式有【SPI】、【1-bit模式】、【4-bit模式】三种。SDIO的每个脚位在不同信号模式下的定义如下图：在SPI模式中：第8脚位被当成中断信号。其它脚位的功能和通信协定与SD记忆卡的标准规范一样。在SDIO总线定义中：DAT1信号线复用为中断线。在SDIO的1-BIT模式下DAT0用来传输数据，DAT1用作中断线；在SDIO的4BIT模式下DAT0-DAT3用来传输数据，其

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部识别的一系列相关技术，通常也叫做人像识别、面部识别。人脸识别系统主要包括四个组成部分，分别为：人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别，本实例也包括这几个流程。

RV1126 开发人脸识别方案

EASY-EAI-Nan-TB评估板使用DRM（Direct Rendering Manager）驱动框架实现多应用同时使用同一个显示器的目的。

文字识别也是图像领域一个常见问题。然而，对于自然场景图像，首先要定位图像中的文字位置，然后才能进行文字的识别。所以一般包含两个步骤：文字检测：解决的问题是哪里有文字，文字的范围有多少。文字识别：对定位好的文字区域进行识别，主要解决的问题是每个文字是什么，将图像中的文字区域进转化为字符信息。我们的OCR算法是基于CTPN+CRNN设计的。CTPN是一种文字检测算法，能有效的检测出复杂场景的横向分布的

文字识别也是图像领域一个常见问题。然而，对于自然场景图像，首先要定位图像中的文字位置，然后才能进行文字的识别。所以一般包含两个步骤：文字检测：解决的问题是哪里有文字，文字的范围有多少。文字识别：对定位好的文字区域进行识别，主要解决的问题是每个文字是什么，将图像中的文字区域进转化为字符信息。我们的OCR算法是基于CTPN+CRNN设计的。CTPN是一种文字检测算法，能有效的检测出复杂场景的横向分布的