Rozpoznávání obličeje v praxi: 21 kroků

2024 Autor: John Day | [email protected]. Naposledy změněno: 2024-01-30 08:20

Toto je téma, pro které jsem tak fascinovaný, že mi nedává spát: Computer Vision, detekce předmětů a lidí pomocí předem vycvičeného modelu.

Krok 1: Úvod

Ke spuštění aplikace a spuštění projektu použijeme algoritmus YoloV3.

Pracoval jsem s neurální sítí před 15 lety a mohu říci, že to byly „obtížné“časy, vzhledem k dostupným zdrojům v té době.

Krok 2: Použité zdroje

· Kamera Logitech C270

· Počítač

· NVIDIA GeForce GTX 1660

Krok 3:

Krok 4: Předpoklady

K provozování hlubokých neuronových sítí (DNN) je nutné používat paralelní výpočet s GPU.

Budete tedy potřebovat výkonnou grafickou kartu od NVIDIA a spustit algoritmus pomocí CUDA API (virtuální instrukční sada GPU).

Chcete -li spustit algoritmus, musíte nejprve nainstalovat následující balíčky:

- Jednotka grafické karty NVIDIA

- CUDA

- CUDNN (CUDA Deep Neural Network Library)

- OpenCV

Krok 5: Požadavky na počítač

Krok 6: Nastavení YOLO

Detekce pomocí předem natrénovaného modelu

Otevřete terminál a zadejte výše uvedené příkazy.

Krok 7: Upravte MakeFile

Upravte soubor „MakeFile“podle obrázku výše, protože použijeme zpracování GPU, CUDNN a OpenCV. Po úpravě spusťte příkaz „make“.

Krok 8: Počkejte, až se dokončí

Příkaz 'make' v kroku 7 zkomplikuje vše pro použití v algoritmech a jeho spuštění chvíli trvá.

Krok 9: Pro počítače, které neodpovídají požadavkům

Pokud váš počítač a grafická karta nejsou tak výkonné nebo chcete lepší výkon, změňte soubor „cfg /yolov3.cfg“.

V tomto projektu byla použita výše uvedená konfigurace.

Krok 10: YOLO V3

Detekční systémy obvykle aplikují model na obrázek na několika různých místech a stupnicích.

YOLO aplikuje jedinou neuronovou síť na celý obraz. Tato síť rozděluje obraz na oblasti a poskytuje ohraničující rámečky a pravděpodobnosti pro každou oblast.

YOLO má několik výhod. Vidí obraz jako celek, takže jeho předpovědi jsou generovány globálním kontextem v obrázku.

Vytváří předpovědi s jediným hodnocením sítě, na rozdíl od R-CNN, která dělá tisíce hodnocení pro jeden obrázek.

Je až 1000krát rychlejší než R-CNN a 100krát rychlejší než Fast R-CNN.

Krok 11: Spuštění YOLO

Chcete -li spustit YOLO, stačí otevřít terminál ve složce „darknet“a zadat příkaz.

YOLO můžete spustit 4 způsoby:

· Obraz

· Více obrázků

· Streamování (webová kamera)

· Video

Krok 12: YOLO V3 - obrázek

Umístěte požadovaný obrázek do složky „data“v darknetu a poté spusťte výše uvedený příkaz a upravte název obrázku.

Krok 13: YOLO V3 - vstupní obrázek

Krok 14: YOLO V3 - výstupní obrázek

Krok 15: YOLO V3 - více obrázků

Umístěte obrázky do nějaké složky a místo zadání cesty k obrázku ji nechte prázdnou a spusťte příkaz, jak vidíte výše (vlevo).

Poté se objeví něco jako obrázek vpravo, stačí umístit cestu k obrázku, kliknout na „Enter“a tyto kroky opakovat u několika obrázků.

Krok 16: YOLO V3 - WebCam

Spusťte výše uvedený příkaz a po načtení sítě se zobrazí webová kamera.

Krok 17: YOLO V3 - video

Umístěte požadované video do složky „data“v darknetu a poté spusťte výše uvedený příkaz a upravte název videa.

Krok 18: YOLO V3 - EXPO3D Video 1

Krok 19: YOLO V3 - Video EXPO3D 2

Krok 20: YOLO V3 - Video EXPO3D 3

Krok 21: PDF ke stažení

STÁHNOUT PDF (v brazilské portugalštině)