Quest 5 실행하기 전에 몇 가지 준비작업을 해야 한다.

1. Python 을 이용하여 “har_IGN.h5” 를 생성해야 한다.

실행방법은 Quest 4 결과물 중 한 개를 사용한다.

주의할 점은 Anaconda 환경 설정을 변경 해야 한다. “Keras 2.2.4” 와 “Python 3.6” 변경 후

PyCharm Community Edition 2022.2 IDE 에서 “python RunMe.py –dataDir=Log_data” 명령어를 이용하여 Model 생성을 하여야 한다.

è과거 Logging Data 기반으로 패턴(Jogging / Stationary / Stairs / Walking)의 결과를 분석하여 새로 생성한 모델 즉, AI학습 되여 있는 있다고 할까?

2. STM32CuveIDE 또는 STM32CuveMX 를 이용한 신규 프로젝트를 생성하여 “har_ign.c / har_ign_data.c / har_ign.h / har_ign_data.h” 파일 생성을 하여야 한다.

주의할 점은 신규 프로젝트 생성시 X-CUVE-AI 버전을 5.0 적용하여야만 하며, 전 단계에 생성된 “har_IGN.h5” 를 “har_ign” 명으로 생성된 network에 Model inputs 설정을 하여 generate code 한 후에 컴파일 하여 최종 파일 생성을 한다.

èKeras 모델로부터 가중치 정보를 추출하여 펌웨어 이미지 생성 및 다운로드 한다.

=> STM32 MCU에 최적화된 코드로 변환

3. 최종 다운로드 된 이미지 즉, 학습된 모델을 가지고 실행하여 결과를 공유한다.(동영상 참조)

      => 위에 그림처럼 Stationary 및 Jogging 으로 인식율이 높다. 맞찮가지로 실험(동영상)에서도 같은 패턴을 보여준다.

           stairs 인식율은 낮은 인식율~~~