Njohja e fytyrës në praktikë: 21 hapa

2024 Autor: John Day | [email protected]. E modifikuara e fundit: 2024-01-30 12:16

Kjo është një temë për të cilën jam aq i hipnotizuar, sa më bën të humbas gjumin: Vizioni kompjuterik, zbulimi i objekteve dhe njerëzve përmes një modeli të stërvitur paraprakisht.

Hapi 1: Hyrje

Ne do të përdorim algoritmin YoloV3, për të drejtuar një aplikacion dhe për të drejtuar projektin.

Kam punuar me rrjetin nervor 15 vjet më parë dhe mund të them se këto ishin kohë "të vështira", duke pasur parasysh burimet në dispozicion në atë kohë.

Hapi 2: Burimet e përdorura

· Kamera Logitech C270

· Kompjuter

· NVIDIA GeForce GTX 1660

Hapi 3:

Hapi 4: Parakushtet

Për të drejtuar rrjete nervore të thella (DNN) është e nevojshme të përdorni llogaritjet paralele, me një GPU.

Kështu që ju do të keni nevojë për një kartë video të fuqishme nga NVIDIA dhe drejtoni algoritmin duke përdorur CUDA API (kompleti i udhëzimeve virtuale GPU).

Për të ekzekutuar algoritmin, së pari duhet të keni të instaluar paketat e mëposhtme:

- Disku i kartës video NVIDIA

- CUDA

- CUDNN (Biblioteka e Rrjetit të Thellë Neurdual CUDA)

- OpenCV

Hapi 5: Kërkesat për kompjuter

Hapi 6: Vendosni YOLO

Zbulimi duke përdorur një model të para-trajnuar

Hapni terminalin dhe futni komandat e mësipërme.

Hapi 7: Ndryshoni MakeFile

Ndryshoni skedarin "MakeFile" si në figurën e mësipërme, sepse ne do të përdorim përpunimin GPU, CUDNN dhe OpenCV. Pas modifikimit, ekzekutoni komandën "bëj".

Hapi 8: Prisni që të përfundojë

Komanda 'make' në Hapin 7 do të përpilojë gjithçka për t'u përdorur nga algoritmet dhe kërkon një kohë për t'u ekzekutuar.

Hapi 9: Për kompjuterët që nuk përputhen me kërkesat

Nëse kompjuteri dhe karta juaj video nuk janë aq të fuqishme ose dëshironi performancë më të mirë, ndryshoni skedarin 'cfg /yolov3.cfg'.

Konfigurimi i mësipërm u përdor në këtë projekt.

Hapi 10: YOLO V3

Sistemet e zbulimit zakonisht aplikojnë modelin në një imazh në disa vende dhe shkallë të ndryshme.

YOLO aplikon një rrjet të vetëm nervor në të gjithë imazhin. Ky rrjet e ndan imazhin në rajone dhe siguron kuti kufizuese dhe mundësi për secilin rajon.

YOLO ka disa përparësi. Ai e sheh imazhin në tërësi, kështu që parashikimet e tij gjenerohen nga konteksti global në imazh.

Ai bën parashikime me një vlerësim të vetëm të rrjetit, ndryshe nga R-CNN i cili bën mijëra vlerësime për një imazh të vetëm.

Upshtë deri në 1000 herë më shpejt se R-CNN dhe 100 herë më shpejt se Fast R-CNN.

Hapi 11: Drejtimi i YOLO

Për të ekzekutuar YOLO, thjesht hapni terminalin në dosjen "darknet" dhe futni një komandë.

Ju mund të drejtoni YOLO në 4 mënyra:

· Imazhi

· Imazhe të Shumëfishta

· Transmetim (Webcam)

· Video

Hapi 12: YOLO V3 - Imazh

Vendoseni imazhin që dëshironi në dosjen "të dhëna" brenda darknet dhe pas kësaj ekzekutoni komandën e mësipërme duke modifikuar emrin e figurës.

Hapi 13: YOLO V3 - Imazh hyrës

Hapi 14: YOLO V3 - Imazhi i daljes

Hapi 15: YOLO V3 - Imazhe të Shumëfishta

Vendosni imazhet në disa dosje dhe në vend që të siguroni shtegun e figurës, lërini bosh dhe ekzekutoni komandën siç mund të shihni më sipër (në të majtë).

Pas kësaj, diçka si figura në të djathtë do të shfaqet, thjesht vendosni rrugën e figurës dhe klikoni në "enter" dhe përsëritni këto hapa për disa imazhe.

Hapi 16: YOLO V3 - WebCam

Drejtoni komandën e mësipërme dhe pas ngarkimit të rrjetit, do të shfaqet kamera në internet.

Hapi 17: YOLO V3 - Video

Vendoseni videon që dëshironi në dosjen "të dhëna" brenda darknet dhe pas kësaj ekzekutoni komandën e mësipërme duke modifikuar emrin e videos.

Hapi 18: YOLO V3 - EXPO3D Video 1

Hapi 19: YOLO V3 - Video EXPO3D 2

Hapi 20: YOLO V3 - Video EXPO3D 3

Hapi 21: PDF për tu shkarkuar

SHKARKO PDF (Në portugalisht braziliane)