DeepDetect - це безкоштовне програмне забезпечення розроблений JoliBrain, місія якої - зробити новітні інновації доступними та придатними для глибокого навчання (глибоке навчання) доступні, а також дозволяють інтегрувати програми.
Глибоко виявити складається з двох безкоштовних програм: одна з них є сервер, написаний на C ++ 11 з REST API, що дозволяє отримати доступ до базових бібліотек Caffe, Caffe2, Tensorflow, Dlib, NCNN тощо. Інший - це веб-платформа для навчання, упорядкування та використання своїх моделей як невеликих фрагментів коду.
Автоматичне виявлення подій за сигналами часові ряди мають широке застосування. Традиційні методи виявленняs виявляти події насамперед за допомогою подібності та кореляції даних.
Ці методи можуть бути неефективними та мати низьку точність. За останні роки техніка машинного навчання зробила революцію в багатьох наукових та технічних сферах.
Зокрема, ефективність виявлення об’єктів у 2-D даних зображення значно покращилась завдяки глибоким нейронним мережам.
Про платформу DeepDetect
Глибоко виявити реалізує підтримку глибокого вивчення зображень, тексту та інших даних під наглядом та без нагляду, з акцентом на простоті та простоті використання, тестування та підключення до існуючих програм.
Він підтримує класифікацію, виявлення об'єктів, сегментацію, регресію, автоматичні кодери та багато іншого.
Серед основних його характеристик є
- API високого рівня для машинного навчання та глибокого навчання
- підтримка Caffe, Tensorflow, XGBoost та T-SNE
- Класифікація, регресія, автокодери, виявлення об'єктів, сегментація.
- Формат зв'язку JSON
- віддалена бібліотека клієнта python
- Виділений сервер з підтримкою асинхронних навчальних дзвінків.
- Висока продуктивність, вигода від багатоядерного процесора та графічного процесора
- вбудований пошук подібності за допомогою нейронних вбудовувань
- З'єднувач для обробки файлів CSV з можливостями попередньої обробки
- З'єднувач для обробки текстових файлів, речень та моделей на основі символів.
- З'єднувач для обробки формату файлу SVM для розріджених даних
- без залежності та синхронізації бази даних вся інформація та параметри моделі організовані та доступні з файлової системи
- Гнучкий формат виводу шаблону для спрощення підключення до зовнішніх програм
- Підтримка розріджених розрахунків та функцій як на графічному, так і на центральному процесорі.
Про LiveDetect
LiveDetect є інструмент, призначений для легкої обробки локальних відеопотоків за допомогою моделей глибокого навчання. Код зчитує живі зображення з камери та обробляє кожен кадр за допомогою DeepDetect.
Реальні випадки використання клієнтів DeepDetect з LiveDetect:
- Безпека на місці та спостереження на місці.
- Автомобільні номерні знаки OCR на стоянках.
- Виявлення дефектів у виготовлених прецизійних деталях.
Як встановити DeepDetect на Raspberry pi?
DeepDetect можна встановити на різних платформах (як на серверах, таких як комп’ютери, ноутбуки, так і навіть на Raspberry Pi).
З офіційного веб-сайту DeepDetect ми можемо знайти інструкції з установки для кожної підтримуваної платформи.
У цьому випадку, Ми встановимо DeepDetect на нашому Raspberry Pi з NCNN-фоном та LiveDetect, інструмент, отриманий з екосистеми DeepDetect для обробки відеопослідовностей. Це дозволяє виявляти об'єкти в режимі реального часу та візуалізувати їх.
Попередньо навчені моделі глибокого навчання доступні для настільних та вбудованих систем, таких як Raspberry Pi.
Щоб встановити сервер DeepDetect на Raspberry Pi, Ми використовуватимемо Docker для простоти та хорошої продуктивності.
Перше, що ми збираємось зробити, це створити папку для DeepDetect Docker Container, ми робимо це, відкриваючи термінал і виконуючи в ньому:
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
Зараз ми збираємося завантажити LiveDetect та встановити:
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
Візуалізація доступна за адресою http: // localhost: 8888 між двома та трьома відеокадрами в секунду (FPS).
Якщо ви хочете застосувати LiveDetect на настільному комп’ютері, ви можете знайти команди, а також додаткову інформацію та зразки з LiveDetect, доступні на GitHub.
Посилання це.