Gesigsherkenning in die praktyk: 21 stappe

2024 Outeur: John Day | [email protected]. Laas verander: 2024-01-30 07:24

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.

Stap 11: Begin YOLO

Om YOLO uit te voer, maak die terminale in die "darknet" -map oop en voer 'n opdrag in.

U kan YOLO op vier maniere uitvoer:

· Beeld

· Veelvuldige beelde

· Stroom (webkamera)

· Video

Stap 12: YOLO V3 - Beeld

Plaas die gewenste prent in die "data" -map in darknet en voer dan die opdrag hierbo uit om die beeldnaam te verander.

Stap 13: YOLO V3 - invoerbeeld

Stap 14: YOLO V3 - Uitvoerbeeld

Stap 15: YOLO V3 - Meervoudige beelde

Plaas die beelde in die een of ander vouer, en laat dit leeg en plaas die opdrag soos u hierbo kan sien (in die linkerkant).

Daarna verskyn iets soos die figuur aan die regterkant, plaas die prentjie en klik op "enter" en herhaal hierdie stappe vir verskeie beelde.

Stap 16: YOLO V3 - WebCam

Voer die opdrag hierbo uit en nadat die netwerk gelaai is, verskyn die webcam.

Stap 17: YOLO V3 - Video

Plaas die gewenste video in die gids "data" in darknet en voer dan die opdrag hierbo uit om die video se naam te verander.

Stap 18: YOLO V3 - EXPO3D Video 1

Stap 19: YOLO V3 - Video EXPO3D 2

Stap 20: YOLO V3 - Video EXPO3D 3

Stap 21: PDF om af te laai

LAAI PDF af (in Brasiliaans Portugees)