Ansiktsgjenkjenning i praksis: 21 trinn

2025 Forfatter: John Day | [email protected]. Sist endret: 2025-01-13 06:58

Dette er et emne jeg er så fascinert for, at det får meg til å miste søvn: Computer Vision, gjenkjenning av objekter og mennesker gjennom en forhåndstrent modell.

Trinn 1: Introduksjon

Vi vil bruke YoloV3 -algoritmen til å kjøre et program og kjøre prosjektet.

Jeg jobbet med nevrale nettverk for 15 år siden, og jeg kan si at dette var "vanskelige" tider, gitt de tilgjengelige ressursene den gangen.

Trinn 2: Ressurser brukt

· Logitech C270 kamera

· Datamaskin

· NVIDIA GeForce GTX 1660

Trinn 3:

Trinn 4: Forutsetninger

For å kjøre dype nevrale nettverk (DNN) er det nødvendig å bruke parallell databehandling, med en GPU.

Så du trenger et kraftig skjermkort fra NVIDIA og kjøre algoritmen ved hjelp av CUDA API (GPU virtuelt instruksjonssett).

For å kjøre algoritmen må du først ha følgende pakker installert:

- NVIDIA videokortstasjon

- CUDA

- CUDNN (CUDA Deep Neural Network Library)

- OpenCV

Trinn 5: Datakrav

Trinn 6: Konfigurer YOLO

Deteksjon ved hjelp av en forhåndsutdannet modell

Åpne terminalen og skriv inn kommandoene ovenfor.

Trinn 7: Endre MakeFile

Endre “MakeFile” -filen som i figuren ovenfor, fordi vi vil bruke GPU-, CUDNN- og OpenCV -behandling. Etter endring, kjør kommandoen 'make'.

Trinn 8: Vent til den er fullført

Kommandoen 'make' i trinn 7 vil kompilere alt for bruk av algoritmene, og det tar en stund å kjøre.

Trinn 9: For datamaskiner som ikke samsvarer med kravene

Hvis datamaskinen og skjermkortet ikke er like kraftig eller du vil ha bedre ytelse, må du endre filen 'cfg /yolov3.cfg'.

Konfigurasjonen ovenfor ble brukt i dette prosjektet.

Trinn 10: YOLO V3

Deteksjonssystemer bruker modellen vanligvis på et bilde på flere forskjellige steder og skalaer.

YOLO bruker et enkelt neuralt nettverk på hele bildet. Dette nettverket deler bildet inn i regioner og gir begrensende bokser og sannsynligheter for hver region.

YOLO har flere fordeler. Det ser bildet som en helhet, så dets spådommer genereres av den globale konteksten i bildet.

Det gjør spådommer med en enkelt nettverksvurdering, i motsetning til R-CNN som gjør tusenvis av vurderinger for et enkelt bilde.

Det er opptil 1000 ganger raskere enn R-CNN og 100 ganger raskere enn Fast R-CNN.