Pagkilala sa Mukha sa Pagsasanay: 21 Mga Hakbang

2024 May -akda: John Day | [email protected]. Huling binago: 2024-01-30 13:11

Ito ay isang paksa na labis akong nabighani, kaya't nawawalan ako ng tulog: Computer Vision, ang pagtuklas ng mga bagay at tao sa pamamagitan ng isang paunang sanay na modelo.

Hakbang 1: Panimula

Gagamitin namin ang YoloV3 algorithm, upang magpatakbo ng isang application at patakbuhin ang proyekto.

Nagtrabaho ako sa neural network 15 taon na ang nakakalipas at masasabi kong ito ay "mahirap" na oras, na ibinigay ang mga mapagkukunang magagamit sa oras na iyon.

Hakbang 2: Ginamit na Mga Mapagkukunan

· Logitech C270 camera

· Computer

· NVIDIA GeForce GTX 1660

Hakbang 3:

Hakbang 4: Mga Kinakailangan

Upang magpatakbo ng malalim na mga neural network (DNN) kinakailangan na gumamit ng parallel computing, na may isang GPU.

Kaya kakailanganin mo ang isang malakas na video card mula sa NVIDIA at patakbuhin ang algorithm gamit ang CUDA API (GPU virtual set ng pagtuturo).

Upang patakbuhin ang algorithm kailangan mo munang i-install ang mga sumusunod na package:

- NVIDIA Video Card Drive

- CUDA

- CUDNN (CUDA Deep Neural Network Library)

- OpenCV

Hakbang 5: Mga Kinakailangan sa Computer

Hakbang 6: I-setup ang YOLO

Pagtuklas gamit ang isang paunang sinanay na modelo

Buksan ang terminal at ipasok ang mga utos sa itaas.

Hakbang 7: Baguhin ang MakeFile

Baguhin ang file na "MakeFile" tulad ng figure sa itaas, dahil gagamitin namin ang pagproseso ng GPU, CUDNN at OpenCV. Pagkatapos baguhin, patakbuhin ang 'make' na utos.

Hakbang 8: Hintaying Kumpleto Ito

Ang utos na 'gumawa' sa Hakbang 7 ay mag-iipon ng lahat para magamit ng mga algorithm, at tumatagal upang tumakbo.

Hakbang 9: Para sa Mga Computer na Hindi Tugma sa Mga Kinakailangan

Kung ang iyong computer at video card ay hindi malakas o nais mo ng mas mahusay na pagganap, baguhin ang file na 'cfg /yolov3.cfg'.

Ang pagsasaayos sa itaas ay ginamit sa proyektong ito.

Hakbang 10: YOLO V3

Karaniwang inilalapat ng mga system ng pagtuklas ang modelo sa isang imahe sa maraming iba't ibang mga lokasyon at kaliskis.

Ang YOLO ay naglalapat ng isang solong neural network sa buong imahe. Hinahati ng network na ito ang imahe sa mga rehiyon at nagbibigay ng mga hangganan na kahon at posibilidad para sa bawat rehiyon.

Maraming pakinabang ang YOLO. Nakikita nito ang imahe bilang isang buo, kaya ang mga hula nito ay nabuo ng pandaigdigang konteksto ng imahe.

Gumagawa ito ng mga hula sa isang solong pagtatasa ng network, hindi katulad ng R-CNN na gumagawa ng libu-libong mga pagtatasa para sa isang solong imahe.

Ito ay hanggang sa 1000 beses na mas mabilis kaysa sa R-CNN at 100 beses na mas mabilis kaysa sa Mabilis na R-CNN.

Hakbang 11: Pagpapatakbo ng YOLO

Upang patakbuhin ang YOLO, buksan lamang ang terminal sa folder na "darknet" at maglagay ng isang utos.

Maaari mong patakbuhin ang YOLO sa 4 na paraan:

· Larawan

· Maramihang Mga Larawan

· Streaming (Webcam)

· Video

Hakbang 12: YOLO V3 - Larawan

Ilagay ang imahe na gusto mo sa folder na "data" sa loob ng darknet at pagkatapos nito patakbuhin ang utos sa itaas na binabago ang pangalan ng imahe.

Hakbang 13: YOLO V3 - Input na Imahe

Hakbang 14: YOLO V3 - Output Image

Hakbang 15: YOLO V3 - Maramihang Mga Imahe

Ilagay ang mga imahe sa ilang folder, at sa halip na ibigay ang landas ng imahe, iwanan itong blangko at patakbuhin ang utos na nakikita mo sa itaas (sa kaliwa).

Pagkatapos nito, lilitaw ang isang bagay tulad ng figure sa kanan, ilagay lamang ang path ng imahe at mag-click sa "ipasok" at ulitin ang mga hakbang na ito para sa maraming mga imahe.

Hakbang 16: YOLO V3 - WebCam

Patakbuhin ang utos sa itaas at pagkatapos mai-load ang network, lilitaw ang webcam.

Hakbang 17: YOLO V3 - Video

Ilagay ang video na gusto mo sa folder na "data" sa loob ng darknet at pagkatapos nito patakbuhin ang utos sa itaas na binabago ang pangalan ng video.

Hakbang 18: YOLO V3 - EXPO3D Video 1

Hakbang 19: YOLO V3 - Video EXPO3D 2

Hakbang 20: YOLO V3 - Video EXPO3D 3

Hakbang 21: PDF upang Mag-download

DOWNLOAD PDF (Sa Brazilian Portuguese)