Ansiktsigenkänning i praktiken: 21 steg

2025 Författare: John Day | [email protected]. Senast ändrad: 2025-01-13 06:58

Detta är ett ämne jag är så fascinerad av, att det får mig att tappa sömn: Computer Vision, upptäckt av föremål och människor genom en förutbildad modell.

Steg 1: Introduktion

Vi kommer att använda YoloV3 -algoritmen för att köra ett program och köra projektet.

Jag arbetade med neurala nätverk för 15 år sedan och jag kan säga att det var”svåra” tider, med tanke på de tillgängliga resurserna då.

Steg 2: Resurser som används

· Logitech C270 kamera

· Dator

· NVIDIA GeForce GTX 1660

Steg 3:

Steg 4: Förkunskaper

För att köra djupa neurala nätverk (DNN) är det nödvändigt att använda parallell dator, med en GPU.

Så du kommer att behöva ett kraftfullt grafikkort från NVIDIA och köra algoritmen med hjälp av CUDA API (GPU virtuell instruktionsuppsättning).

För att köra algoritmen måste du först ha följande paket installerade:

- NVIDIA grafikkort

- CUDA

- CUDNN (CUDA Deep Neural Network Library)

- OpenCV

Steg 5: Datorkrav

Steg 6: Konfigurera YOLO

Upptäckt med hjälp av en förutbildad modell

Öppna terminalen och ange kommandona ovan.

Steg 7: Ändra MakeFile

Ändra "MakeFile" -filen som i figuren ovan, eftersom vi kommer att använda GPU, CUDNN och OpenCV -bearbetning. Efter ändring, kör kommandot 'make'.

Steg 8: Vänta tills det är klart

Kommandot 'make' i steg 7 kommer att sammanställa allt för användning av algoritmerna, och det tar ett tag att köra.

Steg 9: För datorer som inte matchar kraven

Om din dator och grafikkort inte är lika kraftfulla eller om du vill ha bättre prestanda, ändra filen 'cfg /yolov3.cfg'.

Ovanstående konfiguration användes i detta projekt.

Steg 10: YOLO V3

Detektionssystem tillämpar vanligtvis modellen på en bild på flera olika platser och skalor.

YOLO tillämpar ett enda neuralt nätverk på hela bilden. Detta nätverk delar upp bilden i regioner och tillhandahåller begränsande rutor och sannolikheter för varje region.

YOLO har flera fördelar. Den ser bilden som en helhet, så dess förutsägelser genereras av det globala sammanhanget i bilden.

Det gör förutsägelser med en enda nätverksbedömning, till skillnad från R-CNN som gör tusentals bedömningar för en enda bild.

Det är upp till 1000 gånger snabbare än R-CNN och 100 gånger snabbare än Fast R-CNN.