Online-Tutorial | Verwendung Von DeepSOCIAL, Einem Internet-Promi-Projekt Zur Überwachung Der Sozialen Distanz
Inhalte im Überblick:YOLO v4 ist ein hochpräzises Zielerkennungsmodell in Echtzeit. In diesem Tutorial wird ausführlich erklärt, wie die Erkennung der Distanz zu Menschenmengen unter Bedingungen mit mehreren Zielen basierend auf den Algorithmen YOLO v4 und SORT implementiert wird. Schlüsselwörter:YOLO v4 SORT Multi-Objekt-Erkennung
Zu Beginn des COVID-19-AusbruchsDie „Wahrung sozialer Distanz“ war schon immer ein „Schutzkonsens“ auf der ganzen Welt.Unabhängig davon, ob es sich um die von der WHO empfohlenen mindestens 3 Fuß (0,9 Meter) oder die in unserem Land geltenden 1,5 bis 2 Meter handelt, besteht der Ausgangspunkt darin, das Infektionsrisiko durch die Ausweitung der sozialen Distanz zwischen den Menschen zu verringern.
In den vergangenen drei Jahren haben wir das von Andrew Ngs Unternehmen Landing AI veröffentlichte Warntool zur Einhaltung sozialer Distanz vorgestellt und auch über den von Amazon eingeführten „Distance Assistant“ berichtet, der aufgrund seiner Ähnlichkeit mit dem von Sun Wukong für Tang Monk gezeichneten Kreis Aufmerksamkeit erregte. Die Hoffnung besteht darin, mit diesem Tool den Mitarbeitern dabei zu helfen, soziale Distanz zu wahren.
Lesen Sie frühere Berichte:
- Das Unternehmen von Andrew Ng hat ein Warntool für soziale Distanzierung herausgebracht
- Amazons „Distance Assistant“ sieht aus wie der Kreis, den Sun Wukong für Tang Seng gezeichnet hat.
Heute beginnen wir mit dem Projekt und zeigen, wie DeepSOCIAL basierend auf den Algorithmen YOLO v4 und SORT verwendet wird, um mehrere Ziele zu verfolgen und eine Überwachung der Menschenmengendistanz zu erreichen.
Code-Portal:
Interpretation des DeepSOCIAL-Papiers:
Crowd Distance Monitoring DeepSOCIAL Das umfassendste chinesische Dokument + Quellcode-Handbuch
Projektcodedetails
Dieses Tutorial demonstriert hauptsächlich:
- YOLO kompilieren
- Begründungsprozess zur Überwachung der sozialen Distanz und zur Bewertung des Infektionsrisikos
Notiz:
- infer.ipynb führt hauptsächlich den Denkprozess zur Überwachung sozialer Distanz und zur Bewertung des Infektionsrisikos ein. Sie können ein Video von Fußgängern eingeben und erhalten die entsprechenden Überwachungs- und Bewertungsinformationen.
- GPU wird zum Ausführen empfohlen
Nachfolgend finden Sie den vollständigen Schulungsablauf.
1. Bereiten Sie die Codeumgebung vor
# führt Abhängigkeiten ein von IPython.display import display, Javascript, Bild von base64 import b64decode, b64encode import os import cv2 import numpy als np import PIL import io import html import time import matplotlib.pyplot als plt %matplotlib inline
2. YOLO kompilieren
Darknet !sed -i 's/OPENCV=0/OPENCV=1/' Makefile !sed -i 's/GPU=0/GPU=1/' Makefile !sed -i 's/CUDNN=0/CUDNN=1/' Makefile !sed -i 's/CUDNN_HALF=0/CUDNN_HALF=1/' Makefile !sed -i 's/LIBSO=0/LIBSO=1/' Makefile
!machen
3. Verwenden der Python-Schnittstelle des Darknets
Um den vollständigen Code anzuzeigen, besuchen Sie bitte:
4. Verwenden Sie den SORT-Algorithmus, um das Ziel in Echtzeit zu verfolgen
!pip installiere filterpy von sort import * mot_tracker = Sort(max_age=25, min_hits=4, iou_threshold=0.3)
5. Eingabeeinstellungen
Eingabe = "/openbayes/input/input1/OxfordTownCentreDataset.avi" Reduktionsfaktor = 2 Kalibrierung = [[180,162],[618,0],[552,540],[682,464]]
6. DeepSOCIAL-Parametereinstellung und Funktionseinführung
Um den vollständigen Code anzuzeigen, besuchen Sie bitte:
7. Denkprozess
8. Ergebnispräsentation
zeige_video('/openbayes/home/darknet/DeepSOCIAL_Crowd_Map.mp4')
show_video('/openbayes/home/darknet/DeepSOCIAL_DTC.mp4')
show_video('/openbayes/home/darknet/DeepSOCIAL_Social_Distancing.mp4')
Um das vollständige Notizbuch anzuzeigen, besuchen Sie:
Über OpenBayes
OpenBayes ist eine führende Forschungseinrichtung für maschinelle Intelligenz in China.Bietet eine Reihe grundlegender Dienste im Zusammenhang mit der KI-Entwicklung, darunter Rechenleistungscontainer, automatische Modellierung und automatische Parameteranpassung. Gleichzeitig hat OpenBayes auch viele gängige öffentliche Ressourcen wie Datensätze, Tutorials und Modelle veröffentlicht.Damit Entwickler schnell lernen und ideale Modelle für maschinelles Lernen erstellen können.
Besuchen Sie openbayes.com und registrieren Sie sich jetzt Jetzt genießen 600 Minuten/Woche auf RTX 3090 Und 300 Minuten/Woche kostenlose CPU-Rechenzeit
Um das vollständige Tutorial auszuführen, klicken Sie aufLesen Sie den Originalartikel, oder besuchen Sie den folgenden Link:
Wenn Sie interessante Tutorials lernen möchten, hinterlassen Sie uns bitte eine Nachricht ~
-- über--