DeepDetect adalah perisian percuma dibangunkan oleh JoliBrain, misinya adalah untuk menjadikan inovasi terkini dapat diakses dan digunakan dalam pembelajaran mendalam (pembelajaran mendalam) dapat diakses serta memungkinkan penyatuan aplikasi.
Deteksi mendalam terdiri daripada dua program percuma: salah satunya ialah pelayan yang ditulis dalam C ++ 11 dengan REST API, yang membolehkan akses ke perpustakaan Caffe, Caffe2, Tensorflow, Dlib, NCNN, dll. Yang lain adalah platform web untuk melatih, mengatur dan menggunakan model anda sebagai coretan kod kecil.
Pengesanan peristiwa automatik dari isyarat siri masa mempunyai aplikasi yang luas. Kaedah pengesanan tradisionals mengesan peristiwa terutamanya melalui penggunaan persamaan dan korelasi dalam data.
Kaedah tersebut tidak berkesan dan menghasilkan ketepatan rendah. Dalam beberapa tahun kebelakangan ini, teknik pembelajaran mesin telah merevolusikan banyak bidang sains dan kejuruteraan.
Secara khusus, prestasi pengesanan objek dalam data gambar 2-D telah meningkat dengan ketara kerana jaringan saraf yang dalam.
Mengenai platform DeepDetect
Deteksi mendalam melaksanakan sokongan untuk pembelajaran mendalam gambar, teks dan data lain yang diawasi dan tidak diawasi, dengan fokus pada kesederhanaan dan kemudahan penggunaan, pengujian dan sambungan ke aplikasi yang ada.
Ia menyokong klasifikasi, pengesanan objek, segmentasi, regresi, autoencoder, dan banyak lagi.
Antara ciri utamanya ialah
- API peringkat tinggi untuk pembelajaran mesin dan pembelajaran mendalam
- sokongan untuk Caffe, Tensorflow, XGBoost dan T-SNE
- Klasifikasi, regresi, autoencoder, pengesanan objek, segmentasi.
- Format komunikasi JSON
- perpustakaan pelanggan python jauh
- Pelayan khusus dengan sokongan untuk panggilan latihan tidak segerak.
- Prestasi tinggi, mendapat manfaat daripada CPU dan GPU berbilang teras
- carian kesamaan terbina dalam melalui penyebaran neural
- Penyambung untuk mengendalikan fail CSV dengan kemampuan praprosesan
- Penyambung untuk mengendalikan fail teks, ayat dan model berdasarkan watak.
- Penyambung untuk mengendalikan format fail SVM untuk data yang jarang
- tanpa kebergantungan dan penyegerakan pangkalan data, semua maklumat dan parameter model disusun dan tersedia dari sistem fail
- Format output templat yang fleksibel untuk mempermudah sambungan ke aplikasi luaran
- Sokongan untuk pengiraan dan fungsi yang jarang berlaku pada GPU dan CPU.
Mengenai LiveDetect
LiveDetect adalah alat yang direka untuk memproses aliran video tempatan dengan mudah dengan model pembelajaran mendalam. Kod membaca gambar langsung dari kamera dan memproses setiap bingkai dengan DeepDetect.
Kes penggunaan dunia nyata pelanggan DeepDetect dengan LiveDetect:
- Keselamatan di tempat dan pengawasan tapak.
- Pendaftaran kereta OCR di tempat letak kereta.
- Pengesanan kecacatan pada bahagian ketepatan yang dihasilkan.
Bagaimana cara memasang DeepDetect pada Raspberry pi?
DeepDetect boleh dipasang pada platform yang berbeza (baik di pelayan, seperti komputer, komputer riba dan bahkan pada Raspberry Pi).
Dari laman web rasmi DeepDetect kita boleh cari arahan pemasangan untuk setiap platform yang disokong.
Dalam kes ini, Kami akan memasang DeepDetect pada Raspberry Pi kami, dengan back-end NCNN dan LiveDetect, alat yang berasal dari ekosistem DeepDetect untuk memproses urutan video. Ini membolehkan kita mengesan objek dalam masa nyata dan membayangkannya.
Model Pembelajaran Dalam yang telah dilatih tersedia untuk desktop dan sistem tertanam seperti Raspberry Pi.
Untuk memasang pelayan DeepDetect pada Raspberry Pi, Kami akan menggunakan Docker untuk kesederhanaan dan prestasi yang baik.
Perkara pertama yang akan kita lakukan ialah buat folder untuk DeepDetect Docker Container, kami melakukan ini dengan membuka terminal dan melaksanakannya:
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
Sekarang kita akan memuat turun LiveDetect dan memasang:
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
Rendering boleh didapati di http: // localhost: 8888 antara dua dan tiga bingkai video sesaat (FPS).
Sekiranya anda ingin mengimplementasikan LiveDetect di komputer desktop anda, anda boleh mendapatkan arahan serta lebih banyak maklumat dan contoh dengan LiveDetect yang terdapat di GitHub.
Pautan ini.