Veido atpažinimas praktikoje: 21 žingsnis

2024 Autorius: John Day | [email protected]. Paskutinį kartą keistas: 2024-01-30 10:45

Ši tema mane taip žavi, kad netenka miego: kompiuterinė vizija, objektų ir žmonių aptikimas pagal iš anksto apmokytą modelį.

1 žingsnis: Įvadas

Programai paleisti ir projektui naudoti „YoloV3“algoritmą.

Prieš 15 metų dirbau su neuroniniu tinklu ir galiu pasakyti, kad tai buvo „sunkūs“laikai, atsižvelgiant į tuo metu turimus išteklius.

2 žingsnis: naudojami ištekliai

· „Logitech C270“kamera

· Kompiuteris

· „NVIDIA GeForce GTX 1660“

3 žingsnis:

4 žingsnis: Būtinos sąlygos

Norint paleisti giliuosius neuroninius tinklus (DNN), būtina naudoti lygiagretųjį skaičiavimą su GPU.

Taigi jums reikės galingos vaizdo plokštės iš NVIDIA ir paleiskite algoritmą naudodami CUDA API (GPU virtualių instrukcijų rinkinį).

Norėdami paleisti algoritmą, pirmiausia turite įdiegti šiuos paketus:

- NVIDIA vaizdo plokštės įrenginys

- CUDA

- CUDNN (CUDA Deep Neural Network Library)

- „OpenCV“

5 žingsnis: Reikalavimai kompiuteriui

6 veiksmas: nustatykite YOLO

Aptikimas naudojant iš anksto apmokytą modelį

Atidarykite terminalą ir įveskite aukščiau pateiktas komandas.

7 veiksmas: pakeiskite „MakeFile“

Pakeiskite „MakeFile“failą, kaip parodyta aukščiau esančiame paveikslėlyje, nes mes naudosime GPU, CUDNN ir „OpenCV“apdorojimą. Po pakeitimų paleiskite komandą „padaryti“.

8 veiksmas: palaukite, kol jis bus baigtas

7 veiksmo komanda „make“surenka viską, kad ją galėtų naudoti algoritmai, ir paleisti reikia šiek tiek laiko.

9 veiksmas: kompiuteriams, kurie neatitinka reikalavimų

Jei jūsų kompiuteris ir vaizdo plokštė nėra tokie galingi arba norite geresnio našumo, pakeiskite failą „cfg /yolov3.cfg“.

Šiame projekte buvo naudojama aukščiau pateikta konfigūracija.

10 veiksmas: YOLO V3

Aptikimo sistemos paprastai taiko modelį vaizdui keliose skirtingose vietose ir masteliuose.

„YOLO“visam vaizdui taiko vieną neuronų tinklą. Šis tinklas padalija vaizdą į regionus ir pateikia ribojimo langelius bei tikimybes kiekvienam regionui.

YOLO turi keletą privalumų. Jis mato vaizdą kaip visumą, todėl jo prognozes generuoja pasaulinis vaizdo kontekstas.

Tai leidžia prognozuoti naudojant vieną tinklo įvertinimą, skirtingai nei R-CNN, kuris atlieka tūkstančius vieno vaizdo vertinimų.

Jis yra iki 1000 kartų greitesnis nei R-CNN ir 100 kartų greitesnis nei „Fast R-CNN“.

11 veiksmas: paleiskite YOLO

Norėdami paleisti „YOLO“, tiesiog atidarykite terminalą aplanke „darknet“ir įveskite komandą.

„YOLO“galite paleisti 4 būdais:

· Vaizdas

· Keli vaizdai

· Srautas (internetinė kamera)

· Vaizdo įrašas

12 žingsnis: „YOLO V3“- vaizdas

Įdėkite norimą vaizdą į „data“aplanką „darknet“viduje ir po to paleiskite aukščiau esančią komandą, pakeisdami vaizdo pavadinimą.

13 veiksmas: „YOLO V3“- įvesties vaizdas

14 žingsnis: YOLO V3 - išvesties vaizdas

15 veiksmas: „YOLO V3“- keli vaizdai

Įdėkite vaizdus į kurį nors aplanką ir užuot pateikę vaizdo kelią, palikite jį tuščią ir paleiskite komandą, kaip matote aukščiau (kairėje).

Po to pasirodys kažkas panašaus į paveikslėlį dešinėje, tiesiog padėkite vaizdo kelią ir spustelėkite „Enter“ir pakartokite šiuos veiksmus keliems vaizdams.

16 žingsnis: „YOLO V3 - WebCam“

Vykdykite aukščiau esančią komandą ir įkėlus tinklą pasirodys internetinė kamera.

17 žingsnis: „YOLO V3“- vaizdo įrašas

Įdėkite norimą vaizdo įrašą į „data“aplanką „darknet“ir po to paleiskite aukščiau esančią komandą, pakeisdami vaizdo įrašo pavadinimą.

18 veiksmas: „YOLO V3“- „EXPO3D“vaizdo įrašas 1

19 veiksmas: YOLO V3 - vaizdo įrašas EXPO3D 2

20 veiksmas: YOLO V3 - vaizdo įrašas EXPO3D 3

21 veiksmas: atsisiųskite PDF

ATSISIŲSTI PDF (Brazilijos portugalų kalba)