Gesigsherkenning in die praktyk: 21 stappe

2025 Outeur: John Day | [email protected]. Laas verander: 2025-01-13 06:56

Dit is 'n onderwerp waarvoor ek so gefassineer is, dat dit my laat slaap: rekenaarvisie, die opsporing van voorwerpe en mense deur 'n vooraf opgeleide model.

Stap 1: Inleiding

Ons sal die YoloV3 -algoritme gebruik om 'n toepassing uit te voer en die projek uit te voer.

Ek het 15 jaar gelede met neurale netwerk gewerk, en ek kan sê dat dit 'moeilike' tye was, gegewe die beskikbare hulpbronne.

Stap 2: Hulpbronne gebruik

· Logitech C270 kamera

· Rekenaar

· NVIDIA GeForce GTX 1660

Stap 3:

Stap 4: Voorvereistes

Om diep neurale netwerke (DNN) te bedryf, is dit nodig om parallelle rekenaars met 'n GPU te gebruik.

U benodig dus 'n kragtige videokaart van NVIDIA en voer die algoritme uit met die CUDA API (GPU virtuele instruksieset).

Om die algoritme te laat loop, moet u eers die volgende pakkette geïnstalleer:

- NVIDIA -videokaartaandrywing

- CUDA

- CUDNN (CUDA Deep Neural Network Library)

- OpenCV

Stap 5: Rekenaarvereistes

Stap 6: Stel YOLO op

Opsporing met behulp van 'n vooraf opgeleide model

Maak die terminale oop en voer die opdragte hierbo in.

Stap 7: Pas MakeFile aan

Verander die 'MakeFile' -lêer soos in die figuur hierbo, want ons sal GPU-, CUDNN- en OpenCV -verwerking gebruik. Nadat u dit gewysig het, voer die 'maak' -opdrag uit.

Stap 8: Wag totdat dit voltooi is

Die opdrag 'maak' in stap 7 sal alles saamstel vir gebruik deur die algoritmes, en dit neem 'n rukkie om dit uit te voer.

Stap 9: Vir rekenaars wat nie aan die vereistes voldoen nie

As u rekenaar en videokaart nie so sterk is nie, of as u beter prestasie wil hê, verander die lêer 'cfg /yolov3.cfg'.

Bogenoemde konfigurasie is in hierdie projek gebruik.

Stap 10: YOLO V3

Opsporingstelsels pas die model gewoonlik toe op 'n beeld op verskillende plekke en skale.

YOLO pas 'n enkele neurale netwerk op die hele beeld toe. Hierdie netwerk verdeel die beeld in streke en bied begrensde blokkies en waarskynlikhede vir elke streek.

YOLO het verskeie voordele. Dit sien die beeld as 'n geheel, en sy voorspellings word gegenereer deur die globale konteks in die beeld.

Dit maak voorspellings met 'n enkele netwerkassessering, anders as R-CNN, wat duisende assesserings vir 'n enkele beeld maak.

Dit is tot 1000 keer vinniger as R-CNN en 100 keer vinniger as Fast R-CNN.