39.2. TensorFlowLiteMicro-FaceDetection

39.2.1. 概述

TFLM示例工程展示了使用摄像头采集图像信息，通过集成的TFLM机器学习平台进行人脸检测，并通过屏幕显示结果

39.2.2. 配置

• 连接摄像头设备到开发板的CAM接口

• 连接显示屏到相应接口，显示屏型号 LCD-800480W070TC

39.2.3. 工具链要求

本示例需要支持DSP的工具链才能使用硬件DSP指令进行神经网络加速：

• IDE: Segger Embedded Studio (或其他支持DSP工具链的IDE)

• GCC工具链: Andes RISC-V工具链（带DSP扩展支持）或 ZCC工具链（带DSP扩展支持）

Note

不支持DSP扩展的标准GCC工具链无法正确编译和运行本示例。DSP指令对于高效的神经网络推理至关重要。

39.2.4. 代码选项

• 请在该工程的CMakeLists.txt的`find_package`前添加如下代码，获得更高性能

set(RV_ABI "ilp32d")
set(RV_ARCH "rv32gc")
set(CONFIG_HPM_MATH_NN_RVP32 1)

• 使用zcc libnn 3.2.5 编译需要在hpm_math.h文件中对tpt_elementwise_add_s8函数调用处进行如下修改：

为in_rshift1参数添加负号 为in_rshift2参数添加负号

return tpt_elementwise_add_s8(out, out_offset, out_scale, -out_rshift, act_min,
                    act_max, in_tensor1, in_tensor2, in_offset1, in_scale1,
                    -in_rshift1, in_offset2, in_scale2, -in_rshift2,
                    lshift, size);

39.2.5. 运行现象

当工程正确运行后，LCD会显示摄像头采集的实时画面，以及处理后的图像和人脸框