Դեմքի ճանաչում պրակտիկայում. 21 քայլ

2024 Հեղինակ: John Day | [email protected]. Վերջին փոփոխված: 2024-01-30 09:46

Սա այն առարկան է, որն ինձ այնքան է գրավում, որ ստիպում է ինձ քնել: Համակարգչային տեսլականը, օբյեկտների և մարդկանց հայտնաբերումը նախապես պատրաստված մոդելի միջոցով:

Քայլ 1: Ներածություն

Մենք կօգտագործենք YoloV3 ալգորիթմը ՝ ծրագիր գործարկելու և նախագիծը գործարկելու համար:

Ես աշխատել եմ նյարդային ցանցի հետ 15 տարի առաջ և կարող եմ ասել, որ դրանք «դժվարին» ժամանակներ էին ՝ հաշվի առնելով այն ժամանակ առկա ռեսուրսները:

Քայլ 2: Օգտագործված ռեսուրսներ

· Logitech C270 տեսախցիկ

· Համակարգիչ

· NVIDIA GeForce GTX 1660

Քայլ 3:

Քայլ 4: Նախադրյալներ

Խորը նյարդային ցանցեր (DNN) գործարկելու համար անհրաժեշտ է օգտագործել զուգահեռ հաշվարկ, GPU- ով:

Այսպիսով, ձեզ հարկավոր կլինի հզոր NVIDIA վիդեո քարտ և գործարկեք ալգորիթմը ՝ օգտագործելով CUDA API (GPU վիրտուալ հրահանգների հավաքածու):

Ալգորիթմը գործարկելու համար նախ պետք է տեղադրեք հետևյալ փաթեթները.

- NVIDIA վիդեո քարտի սկավառակ

- CUDA

- CUDNN (CUDA Deep Neural Network Library)

- OpenCV

Քայլ 5: Համակարգչային պահանջներ

Քայլ 6: Կարգավորեք YOLO- ն

Հայտնաբերում `նախապես պատրաստված մոդելի միջոցով

Բացեք տերմինալը և մուտքագրեք վերը նշված հրամանները:

Քայլ 7. Փոփոխեք MakeFile- ը

Փոփոխեք «MakeFile» ֆայլը, ինչպես վերը նկարում, քանի որ մենք կօգտագործենք GPU, CUDNN և OpenCV մշակում: Փոփոխելուց հետո գործարկեք «կատարել» հրամանը:

Քայլ 8: Սպասեք, որ այն ավարտվի

Քայլ 7 -ում «make» հրամանը կկազմի ամեն ինչ ալգորիթմների օգտագործման համար, և դրա գործարկումը տևում է որոշ ժամանակ:

Քայլ 9. Համակարգիչների համար, որոնք չեն համապատասխանում պահանջներին

Եթե ձեր համակարգիչն ու տեսաքարտը այնքան էլ հզոր չեն կամ ցանկանում եք ավելի լավ կատարում, փոխեք «cfg /yolov3.cfg» ֆայլը:

Այս նախագծում օգտագործվել է վերը նշված կազմաձևը:

Քայլ 10: YOLO V3

Հայտնաբերման համակարգերը սովորաբար մոդելը կիրառում են պատկերի վրա մի քանի տարբեր վայրերում և մասշտաբներում:

YOLO- ն մեկ նյարդային ցանց է կիրառում ամբողջ պատկերի վրա: Այս ցանցը պատկերը բաժանում է շրջանների և յուրաքանչյուր շրջանի համար ապահովում է սահմանափակ տուփեր և հավանականություններ:

YOLO- ն ունի մի քանի առավելություն. Այն տեսնում է պատկերը որպես ամբողջություն, ուստի դրա կանխատեսումները գեներացվում են պատկերի գլոբալ համատեքստից:

Այն կանխատեսումներ է անում մեկ ցանցի գնահատմամբ, ի տարբերություն R-CNN- ի, որը հազարավոր գնահատականներ է տալիս մեկ պատկերի համար:

Այն մինչև 1000 անգամ ավելի արագ է, քան R-CNN- ը և 100 անգամ ավելի արագ, քան արագ R-CNN- ը:

Քայլ 11: Գործարկում YOLO- ն

YOLO- ն գործարկելու համար պարզապես բացեք տերմինալը «darknet» թղթապանակում և մուտքագրեք հրաման:

Դուք կարող եք գործարկել YOLO- ն 4 եղանակով.

· Պատկեր

· Բազմաթիվ պատկերներ

· Հեռարձակում (վեբ -տեսախցիկ)

· Տեսանյութ

Քայլ 12. YOLO V3 - Պատկեր

Տեղադրեք ձեր ուզած պատկերը darknet- ի «տվյալների» թղթապանակում և դրանից հետո գործարկեք վերևի հրամանը ՝ փոփոխելով պատկերի անունը:

Քայլ 13. YOLO V3 - Մուտքագրող պատկեր

Քայլ 14. YOLO V3 - ելքային պատկեր

Քայլ 15. YOLO V3 - Բազմաթիվ պատկերներ

Տեղադրեք պատկերները որոշ թղթապանակում և պատկերի ուղին տրամադրելու փոխարեն թողեք այն դատարկ և գործարկեք հրամանը, ինչպես տեսնում եք վերևում (ձախ կողմում):

Դրանից հետո աջ կողմում գտնվող նկարի նման մի բան կհայտնվի, պարզապես տեղադրեք պատկերի ուղին և կտտացրեք «մուտքագրել» և կրկնել այս քայլերը մի քանի պատկերների համար:

Քայլ 16. YOLO V3 - WebCam

Գործարկեք վերը նշված հրամանը և ցանցը բեռնելուց հետո կհայտնվի տեսախցիկը:

Քայլ 17. YOLO V3 - Տեսանյութ

Տեղադրեք ձեր ուզած տեսանյութը darknet- ի «տվյալների» թղթապանակում և դրանից հետո գործարկեք վերևի հրամանը ՝ փոփոխելով տեսանյութի անունը:

Քայլ 18. YOLO V3 - EXPO3D Տեսանյութ 1

Քայլ 19. YOLO V3 - Տեսանյութ EXPO3D 2

Քայլ 20. YOLO V3 - Տեսանյութ EXPO3D 3

Քայլ 21. PDF ներբեռնելու համար

Ներբեռնեք PDF (բրազիլական պորտուգալերեն)