دروس تعليمية عبر الإنترنت | استخدام DeepSOCIAL، وهو مشروع مشاهير الإنترنت، لمراقبة المسافة الاجتماعية
المحتويات في لمحة:YOLO v4 هو نموذج للكشف عن الأهداف بدقة عالية في الوقت الفعلي. سوف يشرح هذا البرنامج التعليمي بالتفصيل كيفية تنفيذ اكتشاف مسافة الحشد في ظل ظروف الأهداف المتعددة استنادًا إلى خوارزميات YOLO v4 وSORT. الكلمات المفتاحية:YOLO v4 SORT اكتشاف الكائنات المتعددة
في بداية تفشي مرض كوفيد-19،لقد كان الحفاظ على التباعد الاجتماعي دائمًا بمثابة "إجماع بشأن الحماية" في جميع أنحاء العالم.سواء كانت منظمة الصحة العالمية توصي بمسافة 3 أقدام (0.9 متر) على الأقل أو بلدنا توصي بمسافة 1.5 إلى 2 متر، فإن نقطة البداية هي تقليل خطر الإصابة بالعدوى من خلال توسيع المسافة الاجتماعية بين الناس.
خلال السنوات الثلاث الماضية، قدمنا أداة تحذير المسافة الاجتماعية التي أصدرتها شركة أندرو نج - Landing AI، وأبلغنا أيضًا عن "مساعد المسافة" الذي أطلقته أمازون، والذي جذب الانتباه بسبب تشابهه مع الدائرة التي رسمها سون ووكونج لتانغ مونك. والأمل هو استخدام هذه الأداة لمساعدة الموظفين على الحفاظ على التباعد الاجتماعي.
اقرأ التقارير السابقة:
- أطلقت شركة أندرو نج أداة تحذير التباعد الاجتماعي
- يبدو "مساعد المسافة" من أمازون مثل الدائرة التي رسمها سون ووكونج لتانغ سينج.
اليوم سنبدأ بالمشروع ونوضح كيفية استخدام DeepSOCIAL، استنادًا إلى YOLO v4 وخوارزميات SORT، لتتبع أهداف متعددة وتحقيق مراقبة مسافة الحشود.
بوابة الكود:
تفسير ورقة DeepSOCIAL:
مراقبة مسافة الحشود DeepSOCIAL الدليل الأكثر اكتمالاً للورقة الصينية + دليل الكود المصدري
تفاصيل رمز المشروع
يوضح هذا البرنامج التعليمي بشكل أساسي ما يلي:
- تجميع YOLO
- عملية التفكير لمراقبة التباعد الاجتماعي وتقييم مخاطر العدوى
ملحوظة:
- يقدم infer.ipynb بشكل أساسي عملية التفكير في مراقبة المسافة الاجتماعية وتقييم مخاطر الإصابة. يمكنك إدخال مقطع فيديو للمشاة والحصول على معلومات المراقبة والتقييم المقابلة.
- يوصى باستخدام وحدة معالجة الرسومات (GPU) للتشغيل
وفيما يلي عملية التدريب الكاملة.
1. إعداد بيئة الكود
# يقدم التبعيات من IPython.display استيراد العرض، Javascript، صورة من base64 استيراد b64decode، b64encode استيراد os استيراد cv2 استيراد numpy كـ np استيراد PIL استيراد io استيراد html استيراد time استيراد matplotlib.pyplot كـ plt %matplotlib inline
2. تجميع YOLO
darknet !sed -i 's/OPENCV=0/OPENCV=1/' ملف تعريف !sed -i 's/GPU=0/GPU=1/' ملف تعريف !sed -i 's/CUDNN=0/CUDNN=1/' ملف تعريف !sed -i 's/CUDNN_HALF=0/CUDNN_HALF=1/' ملف تعريف !sed -i 's/LIBSO=0/LIBSO=1/' ملف تعريف
!يصنع
3. استخدام واجهة بايثون في Darknet
لمشاهدة الكود كاملا، يرجى زيارة:
4. استخدم خوارزمية SORT لتتبع الهدف في الوقت الفعلي
!pip تثبيت filterpy من sort import * mot_tracker = Sort(max_age=25, min_hits=4, iou_threshold=0.3)
5. إعدادات الإدخال
الإدخال = "/openbayes/input/input1/OxfordTownCentreDataset.avi" عامل الاختزال = 2 المعايرة = [[180,162],[618,0],[552,540],[682,464]]
6. إعداد معلمات DeepSOCIAL وتقديم الوظيفة
لمشاهدة الكود كاملا، يرجى زيارة:
7. عملية التفكير
8. عرض النتائج
عرض الفيديو ('/openbayes/home/darknet/DeepSOCIAL_Crowd_Map.mp4')
عرض الفيديو('/openbayes/home/darknet/DeepSOCIAL_DTC.mp4')
عرض الفيديو ('/openbayes/home/darknet/DeepSOCIAL_Social_Distancing.mp4')
للاطلاع على الدفتر كاملا، قم بزيارة:
حول OpenBayes
OpenBayes هي مؤسسة رائدة في مجال أبحاث الذكاء الآلي في الصين.يوفر عددًا من الخدمات الأساسية المتعلقة بتطوير الذكاء الاصطناعي، بما في ذلك حاويات قوة الحوسبة، والنمذجة التلقائية، والتعديل التلقائي للمعلمات. وفي الوقت نفسه، أطلقت OpenBayes أيضًا العديد من الموارد العامة السائدة مثل مجموعات البيانات والبرامج التعليمية والنماذج.لتمكين المطورين من التعلم بسرعة وإنشاء نماذج التعلم الآلي المثالية.
قم بزيارة openbayes.com وقم بالتسجيل الآن استمتع الآن 600 دقيقة/أسبوع على RTX 3090 و300 دقيقة أسبوعيًا من وقت الحوسبة المجاني لوحدة المعالجة المركزية
لتشغيل البرنامج التعليمي الكامل، انقر فوقاقرأ المقال الأصليأو قم بزيارة الرابط التالي:
إذا كنت تريد أن تتعلم أي دروس تعليمية مثيرة للاهتمام، يرجى ترك رسالة لتخبرنا بها~
-- زيادة--