DeepDetect è un software gratuito sviluppato da JoliBrain, la cui missione è rendere le ultime innovazioni accessibili e utilizzabili nel deep learning (deep learning) sono accessibili e consentono l'integrazione di applicazioni.
Deepdetect consiste di due programmi gratuiti: uno di essi è un server scritto in C ++ 11 con un'API REST, che consente l'accesso alle librerie Caffe, Caffe2, Tensorflow, Dlib, NCNN, ecc. sottostanti. L'altra è una piattaforma web per addestrare, organizzare e utilizzare i tuoi modelli come piccoli snippet di codice.
Rilevamento automatico degli eventi dai segnali le serie temporali hanno ampie applicazioni. Metodi di rilevamento tradizionalis rilevare gli eventi principalmente attraverso l'uso di similarità e correlazione nei dati.
Questi metodi possono essere inefficienti e produrre una bassa precisione. Negli ultimi anni, le tecniche di apprendimento automatico hanno rivoluzionato molti domini della scienza e dell'ingegneria.
In particolare, le prestazioni del rilevamento di oggetti nei dati di immagini 2D sono state notevolmente migliorate grazie alle reti neurali profonde.
Informazioni sulla piattaforma DeepDetect
Deepdetect implementa il supporto per il deep learning supervisionato e non supervisionato di immagini, testo e altri dati, con un focus sulla semplicità e facilità d'uso, test e connessione alle applicazioni esistenti.
Supporta la classificazione, il rilevamento di oggetti, la segmentazione, la regressione, gli autoencoder e molti altri.
Tra le sue caratteristiche principali ci sono
- API di alto livello per machine learning e deep learning
- supporto per Caffe, Tensorflow, XGBoost e T-SNE
- Classificazione, regressione, autoencoder, rilevamento di oggetti, segmentazione.
- Formato di comunicazione JSON
- libreria client python remota
- Server dedicato con supporto per chiamate di formazione asincrone.
- Alte prestazioni, beneficia di CPU e GPU multi-core
- ricerca di similarità incorporata tramite incorporamenti neurali
- Connettore per gestire file CSV con funzionalità di preelaborazione
- Connettore per gestire file di testo, frasi e modelli basati sui caratteri.
- Connettore per gestire il formato file SVM per dati sparsi
- senza dipendenza e sincronizzazione del database, tutte le informazioni ei parametri del modello sono organizzati e disponibili dal file system
- Formato di output del modello flessibile per semplificare la connessione ad applicazioni esterne
- Supporto per calcoli e funzioni sparsi su GPU e CPU.
Informazioni su LiveDetect
LiveDetect è uno strumento progettato per elaborare facilmente flussi video locali con modelli di deep learning. Il codice legge le immagini in diretta da una telecamera ed elabora ogni fotogramma con DeepDetect.
Casi d'uso reali dei client DeepDetect con LiveDetect:
- Sicurezza del sito e sorveglianza del sito.
- Immatricolazione auto OCR nei parcheggi.
- Rilevazione di difetti in parti di precisione prodotte.
Come installare DeepDetect su Raspberry Pi?
DeepDetect può essere installato su diverse piattaforme (sia su server, come computer, laptop e persino su un Raspberry Pi).
Dal sito ufficiale di DeepDetect possiamo trova le istruzioni di installazione per ogni piattaforma supportata.
In questo caso, Installeremo DeepDetect sul nostro Raspberry Pi, con un back-end NCNN e LiveDetect, uno strumento derivato dall'ecosistema DeepDetect per l'elaborazione di sequenze video. Questo ci permette di rilevare oggetti in tempo reale e visualizzarli.
Sono disponibili modelli di Deep Learning pre-addestrati per sistemi desktop e embedded come Raspberry Pi.
Per installare il server DeepDetect su Raspberry Pi, Useremo Docker per semplicità e buone prestazioni.
La prima cosa che faremo è creare una cartella per DeepDetect Docker Container, lo facciamo aprendo un terminale ed eseguendo in esso:
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
Ora scaricheremo LiveDetect e installeremo:
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
Il rendering è disponibile su http: // localhost: 8888 tra due e tre fotogrammi video al secondo (FPS).
Se desideri implementare LiveDetect sul tuo computer desktop, puoi trovare i comandi, nonché ulteriori informazioni ed esempi con LiveDetect disponibile su GitHub.
Il collegamento è questo.