Recunoașterea facială în practică: 21 de pași

2024 Autor: John Day | [email protected]. Modificat ultima dată: 2024-01-30 11:43

Acesta este un subiect pentru care sunt atât de fascinat, încât mă face să pierd somnul: viziunea computerizată, detectarea obiectelor și a oamenilor printr-un model pre-antrenat.

Pasul 1: Introducere

Vom folosi algoritmul YoloV3, pentru a rula o aplicație și a rula proiectul.

Am lucrat cu rețeaua neuronală acum 15 ani și pot spune că au fost vremuri „dificile”, având în vedere resursele disponibile la acea vreme.

Pasul 2: Resurse utilizate

· Camera Logitech C270

· Calculator

· NVIDIA GeForce GTX 1660

Pasul 3:

Pasul 4: premise

Pentru a rula rețele neuronale profunde (DNN) este necesar să utilizați calcul paralel, cu un GPU.

Așadar, veți avea nevoie de o placă video puternică de la NVIDIA și veți rula algoritmul folosind API-ul CUDA (set de instrucțiuni virtuale GPU).

Pentru a rula algoritmul trebuie mai întâi să aveți instalate următoarele pachete:

- Unitate de placă video NVIDIA

- CUDA

- CUDNN (CUDA Deep Neural Network Library)

- OpenCV

Pasul 5: Cerințe de computer

Pasul 6: Configurați YOLO

Detectarea folosind un model pre-antrenat

Deschideți terminalul și introduceți comenzile de mai sus.

Pasul 7: Modificați MakeFile

Modificați fișierul „MakeFile” ca în figura de mai sus, deoarece vom folosi procesarea GPU, CUDNN și OpenCV. După modificare, rulați comanda „make”.

Pasul 8: Așteptați să se finalizeze

Comanda „make” din Pasul 7 va compila totul pentru a fi utilizat de algoritmi și durează ceva timp pentru a rula.

Pasul 9: pentru computerele care nu corespund cerințelor

Dacă computerul și placa video nu sunt la fel de puternice sau doriți o performanță mai bună, schimbați fișierul „cfg /yolov3.cfg”.

Configurația de mai sus a fost utilizată în acest proiect.

Pasul 10: YOLO V3

Sistemele de detectare aplică de obicei modelul unei imagini în mai multe locații și scări diferite.

YOLO aplică o singură rețea neuronală pentru întreaga imagine. Această rețea împarte imaginea în regiuni și oferă casete de delimitare și probabilități pentru fiecare regiune.

YOLO are mai multe avantaje. Vede imaginea ca un întreg, deci predicțiile sale sunt generate de contextul global din imagine.

Face predicții cu o singură evaluare a rețelei, spre deosebire de R-CNN, care face mii de evaluări pentru o singură imagine.

Este de până la 1000 de ori mai rapid decât R-CNN și de 100 de ori mai rapid decât R-CNN rapid.

Pasul 11: Rularea YOLO

Pentru a rula YOLO, trebuie doar să deschideți terminalul din folderul „darknet” și să introduceți o comandă.

Puteți rula YOLO în 4 moduri:

· Imagine

· Imagini multiple

· Streaming (cameră web)

· Video

Pasul 12: YOLO V3 - Imagine

Plasați imaginea dorită în folderul „date” din darknet și apoi executați comanda de mai sus modificând numele imaginii.

Pasul 13: YOLO V3 - Intrare imagine

Pasul 14: YOLO V3 - Imagine de ieșire

Pasul 15: YOLO V3 - Imagini multiple

Plasați imaginile într-un folder și, în loc să furnizați calea imaginii, lăsați-o necompletată și rulați comanda așa cum puteți vedea mai sus (în stânga).

După aceea, va apărea ceva de genul figurii din dreapta, așezați doar calea imaginii și faceți clic pe „enter” și repetați acești pași pentru mai multe imagini.

Pasul 16: YOLO V3 - WebCam

Rulați comanda de mai sus și după încărcarea rețelei, camera web va apărea.

Pasul 17: YOLO V3 - Video

Plasați videoclipul dorit în folderul „date” din darknet și apoi executați comanda de mai sus modificând numele videoclipului.

Pasul 18: YOLO V3 - EXPO3D Video 1

Pasul 19: YOLO V3 - Video EXPO3D 2

Pasul 20: YOLO V3 - Video EXPO3D 3

Pasul 21: PDF pentru descărcare

DESCĂRCAȚI PDF (în portugheză braziliană)