DeepDetect هو برنامج مجاني تم تطويره بواسطة JoliBrain ، تتمثل مهمتها في جعل أحدث الابتكارات في المتناول وقابلة للاستخدام في التعلم العميق (التعلم العميق) يمكن الوصول إليه وكذلك السماح بتكامل التطبيقات.
ديب ديتكت يتكون من برنامجين مجانيين: واحد منهم هو خادم مكتوب بلغة C ++ 11 مع واجهة برمجة تطبيقات REST، والذي يسمح بالوصول إلى مكتبات Caffe و Caffe2 و Tensorflow و Dlib و NCNN الأساسية وما إلى ذلك. الآخر هو منصة الويب لتدريب النماذج وتنظيمها واستخدامها كمقتطفات صغيرة من التعليمات البرمجية.
الكشف التلقائي عن الحدث من الإشارات السلاسل الزمنية لها تطبيقات واسعة. طرق الكشف التقليديةيكتشف الأحداث بشكل أساسي من خلال استخدام التشابه والارتباط في البيانات.
يمكن أن تكون هذه الأساليب غير فعالة وتنتج دقة منخفضة. في السنوات الأخيرة ، أحدثت تقنيات التعلم الآلي ثورة في العديد من مجالات العلوم والهندسة.
على وجه الخصوص ، تم تحسين أداء اكتشاف الكائنات في بيانات الصورة ثنائية الأبعاد بشكل كبير بسبب الشبكات العصبية العميقة.
حول منصة DeepDetect
ديب ديتكت تنفذ الدعم للتعلم العميق الخاضع للإشراف وغير الخاضع للإشراف للصور والنصوص والبيانات الأخرى ، مع التركيز على البساطة وسهولة الاستخدام والاختبار والاتصال بالتطبيقات الحالية.
وهو يدعم التصنيف والكشف عن الكائنات والتجزئة والانحدار والتشفير التلقائي وغير ذلك الكثير.
من بين خصائصه الرئيسية
- واجهة برمجة تطبيقات عالية المستوى للتعلم الآلي والتعلم العميق
- دعم Caffe و Tensorflow و XGBoost و T-SNE
- التصنيف ، الانحدار ، التشفير التلقائي ، كشف الأشياء ، التجزئة.
- تنسيق الاتصال JSON
- مكتبة عميل بيثون عن بعد
- خادم مخصص مع دعم مكالمات التدريب غير المتزامنة.
- أداء عالي ، الاستفادة من وحدة المعالجة المركزية ووحدة معالجة الرسومات متعددة النواة
- البحث عن التشابه المضمن عبر التضمينات العصبية
- موصل للتعامل مع ملفات CSV ذات إمكانيات المعالجة المسبقة
- موصل للتعامل مع الملفات النصية والجمل والنماذج القائمة على الأحرف.
- موصل للتعامل مع تنسيق ملف SVM للبيانات المتفرقة
- بدون التبعية والتزامن لقاعدة البيانات ، فإن جميع المعلومات والمعلمات الخاصة بالنموذج منظمة ومتاحة من نظام الملفات
- تنسيق إخراج قالب مرن لتبسيط الاتصال بالتطبيقات الخارجية
- دعم العمليات الحسابية والوظائف المتفرقة على كل من وحدة معالجة الرسومات ووحدة المعالجة المركزية.
حول LiveDetect
LiveDetect هو أداة مصممة لمعالجة تدفقات الفيديو المحلية بسهولة باستخدام نماذج التعلم العميق. يقرأ الرمز الصور الحية من الكاميرا ويعالج كل إطار باستخدام DeepDetect.
حالات الاستخدام الواقعية لعملاء DeepDetect مع LiveDetect:
- السلامة في الموقع والمراقبة.
- لوحات ترخيص السيارات بنظام التعرف الضوئي على الحروف في مواقف السيارات.
- الكشف عن عيوب الأجزاء الدقيقة المصنعة.
كيفية تثبيت DeepDetect على Raspberry Pi؟
يمكن تثبيت DeepDetect على منصات مختلفة (كل من الخوادم وأجهزة الكمبيوتر وأجهزة الكمبيوتر المحمولة وحتى Raspberry Pi).
من الموقع الرسمي لـ DeepDetect يمكننا ذلك اعثر على تعليمات التثبيت لكل منصة مدعومة.
في هذه الحالة، سنقوم بتثبيت DeepDetect على Raspberry Pi الخاص بنا ، مع واجهة NCNN خلفية و LiveDetect ، أداة مشتقة من نظام DeepDetect البيئي لمعالجة تسلسلات الفيديو. هذا يسمح لنا باكتشاف الأشياء في الوقت الفعلي وتصورها.
تتوفر نماذج التعلم العميق المدربة مسبقًا لأنظمة سطح المكتب والأنظمة المدمجة مثل Raspberry Pi.
لتثبيت خادم DeepDetect على Raspberry Pi ، سوف نستخدم Docker من أجل البساطة والأداء الجيد.
أول شيء سنفعله هو قم بإنشاء مجلد لـ DeepDetect Docker Container ، نقوم بذلك عن طريق فتح محطة والتنفيذ فيها:
mkdir $HOME/models
docker pull jolibrain/deepdetect_ncnn_pi3
docker run -d -p 8080:8080 -v $HOME/models:/opt/models jolibrain/deepdetect_ncnn_pi3
sudo apt-get install libjpeg-dev
الآن سنقوم بتنزيل LiveDetect وتثبيته:
wget https://github.com/jolibrain/livedetect/releases/download/1.0.1/livedetect-rpi3
./livedetect-rpi3 \
--port 8080 \
--host 127.0.0.1 \
--mllib ncnn \
--width 300 --height 300 \
--detection \
--create --repository /opt/models/voc/ \
--init "https://www.deepdetect.com/models/init/ncnn/squeezenet_ssd_voc_ncnn_300x300.tar.gz" \
--confidence 0.3 \
-v INFO \
-P "0.0.0.0:8888" \
--service voc \
--nclasses 21
التقديم متاح على http: // localhost: 8888 بين إطارين وثلاثة إطارات للفيديو في الثانية (FPS).
إذا كنت ترغب في تنفيذ LiveDetect على كمبيوتر سطح المكتب ، يمكنك العثور على الأوامر بالإضافة إلى مزيد من المعلومات والأمثلة مع LiveDetect المتاح على GitHub.
الرابط هو هذا.