Taula de continguts:
- Pas 1: Introducció
- Pas 2: recursos utilitzats
- Pas 3:
- Pas 4: requisits previs
- Pas 5: Requisits de l'ordinador
- Pas 6: configureu YOLO
- Pas 7: Modifiqueu MakeFile
- Pas 8: espereu que es completi
- Pas 9: per a equips que no compleixin els requisits
- Pas 10: YOLO V3
- Pas 11: Execució de YOLO
- Pas 12: YOLO V3: imatge
- Pas 13: YOLO V3: entrada d’imatge
- Pas 14: YOLO V3: sortida de la imatge
- Pas 15: YOLO V3: diverses imatges
- Pas 16: YOLO V3: càmera web
- Pas 17: YOLO V3: vídeo
- Pas 18: vídeo 1 de YOLO V3 - EXPO3D
- Pas 19: YOLO V3: vídeo EXPO3D 2
- Pas 20: YOLO V3: vídeo EXPO3D 3
- Pas 21: PDF per descarregar
Vídeo: Reconeixement facial a la pràctica: 21 passos
2024 Autora: John Day | [email protected]. Última modificació: 2024-01-30 08:12
Aquest és un tema que em fascina tant, que em fa perdre el son: la visió per computador, la detecció d’objectes i persones mitjançant un model prèviament entrenat.
Pas 1: Introducció
Utilitzarem l’algorisme YoloV3 per executar una aplicació i executar el projecte.
Vaig treballar amb la xarxa neuronal fa 15 anys i puc dir que eren èpoques “difícils”, atesos els recursos disponibles en aquell moment.
Pas 2: recursos utilitzats
· Càmera Logitech C270
· Ordinador
· NVIDIA GeForce GTX 1660
Pas 3:
Pas 4: requisits previs
Per executar xarxes neuronals profundes (DNN) és necessari utilitzar computació paral·lela, amb una GPU.
Per tant, necessitareu una targeta de vídeo potent de NVIDIA i executeu l'algorisme mitjançant l'API CUDA (conjunt d'instruccions virtuals de la GPU).
Per executar l'algorisme, primer heu de tenir instal·lats els paquets següents:
- Unitat de targeta de vídeo NVIDIA
- CUDA
- CUDNN (Biblioteca de xarxes neuronals profundes CUDA)
- OpenCV
Pas 5: Requisits de l'ordinador
Pas 6: configureu YOLO
Detecció mitjançant un model pre-entrenat
Obriu el terminal i introduïu les ordres anteriors.
Pas 7: Modifiqueu MakeFile
Modifiqueu el fitxer "MakeFile" tal i com es mostra a la figura anterior, perquè utilitzarem el processament GPU, CUDNN i OpenCV. Després de modificar-lo, executeu l’ordre ‘make’.
Pas 8: espereu que es completi
L'ordre "make" al pas 7 recopilarà tot per a ús dels algoritmes i triga un temps a executar-se.
Pas 9: per a equips que no compleixin els requisits
Si l'ordinador i la targeta de vídeo no són tan potents o voleu obtenir un millor rendiment, canvieu el fitxer "cfg /yolov3.cfg".
La configuració anterior es va utilitzar en aquest projecte.
Pas 10: YOLO V3
Els sistemes de detecció solen aplicar el model a una imatge en diverses ubicacions i escales diferents.
YOLO aplica una única xarxa neuronal a tota la imatge. Aquesta xarxa divideix la imatge en regions i proporciona quadres de delimitació i probabilitats per a cada regió.
YOLO té diversos avantatges. Veu la imatge com un tot, de manera que les seves prediccions són generades pel context global de la imatge.
Fa prediccions amb una única avaluació de xarxa, a diferència de R-CNN que fa milers d’avaluacions per a una sola imatge.
És fins a 1000 vegades més ràpid que R-CNN i 100 vegades més ràpid que R-CNN ràpid.
Pas 11: Execució de YOLO
Per executar YOLO, només cal obrir el terminal a la carpeta "darknet" i introduir una ordre.
Podeu executar YOLO de 4 maneres:
· Imatge
· Imatges múltiples
· Transmissió (càmera web)
· Vídeo
Pas 12: YOLO V3: imatge
Col·loqueu la imatge que vulgueu a la carpeta "dades" dins de darknet i, després, executeu l'ordre anterior modificant el nom de la imatge.
Pas 13: YOLO V3: entrada d’imatge
Pas 14: YOLO V3: sortida de la imatge
Pas 15: YOLO V3: diverses imatges
Col·loqueu les imatges en alguna carpeta i, en lloc de proporcionar el camí de la imatge, deixeu-la en blanc i executeu l'ordre com podeu veure més amunt (a l'esquerra).
Després d'això, apareixerà una cosa semblant a la figura de la dreta, simplement col·loqueu el camí de la imatge i feu clic a "entrar" i repetiu aquests passos per a diverses imatges.
Pas 16: YOLO V3: càmera web
Executeu l'ordre anterior i després de carregar la xarxa, apareixerà la càmera web.
Pas 17: YOLO V3: vídeo
Col·loqueu el vídeo que vulgueu a la carpeta "dades" dins de darknet i, després, executeu l'ordre anterior modificant el nom del vídeo.
Pas 18: vídeo 1 de YOLO V3 - EXPO3D
Pas 19: YOLO V3: vídeo EXPO3D 2
Pas 20: YOLO V3: vídeo EXPO3D 3
Pas 21: PDF per descarregar
DESCÀRREGA PDF (en portuguès brasiler)
Recomanat:
Abellcadabra (sistema de panys de porta de reconeixement facial): 9 passos
Abellcadabra (sistema de panys de reconeixement facial): estirat durant la quarantena, vaig intentar trobar una manera de matar el temps construint un reconeixement facial per a la porta de la casa. El vaig anomenar Abellcadabra, que és una combinació entre Abracadabra, una frase màgica amb timbre que només agafo la campana. LOL
Mirall de reconeixement facial amb compartiment secret: 15 passos (amb imatges)
Mirall de reconeixement facial amb compartiment secret: sempre he estat intrigat pels compartiments secrets sempre creatius que s’utilitzen en històries, pel·lícules i similars. Per tant, quan vaig veure el Concurs de compartiments secrets, vaig decidir experimentar jo mateixa amb la idea i fer un mirall d’aspecte normal que obrís un
Pany de porta de reconeixement facial: 8 passos
Pany de porta de reconeixement facial: fa aproximadament un mes que presento, us presento el pany de porta de reconeixement facial. Vaig intentar que quedés tan ordenat com puc, però només puc fer-ho fins a 13 anys. Aquest pany de reconeixement facial està dirigit per un Raspberry Pi 4, amb una bateria portàtil especial
Reconeixement i identificació facial - Identificació de la cara Arduino mitjançant OpenCV Python i Arduino .: 6 passos
Reconeixement i identificació facial | Identificació facial Arduino amb OpenCV Python i Arduino .: reconeixement facial L’identificació facial AKA és una de les funcions més importants dels telèfons mòbils actuals. Per tant, tenia una pregunta "puc tenir un identificador de cara per al meu projecte Arduino"? i la resposta és sí … El meu viatge va començar de la següent manera: Pas 1: Accés a nosaltres
Sistema De Reconeixement Facial: 5 Passos
Sistema De Reconhecimento Facial: O sistema de reconhecimento facial possui um funcionament bem simples, operando na placa Dragonboard 410c em linux using apenas dois scripts em python e um banco de dados local criado por meio de pacotes do linux, possui uma precise ã o co