অনুশীলনে মুখের স্বীকৃতি: 21 টি ধাপ

2024 লেখক: John Day | [email protected]. সর্বশেষ পরিবর্তিত: 2024-01-30 07:58

এটি এমন একটি বিষয় যার জন্য আমি এত মুগ্ধ, যে এটি আমার ঘুম হারায়: কম্পিউটার ভিশন, একটি প্রাক-প্রশিক্ষিত মডেলের মাধ্যমে বস্তু এবং মানুষ সনাক্তকরণ।

ধাপ 1: ভূমিকা

আমরা YoloV3 অ্যালগরিদম ব্যবহার করব, একটি অ্যাপ্লিকেশন চালানোর জন্য এবং প্রকল্পটি চালানোর জন্য।

আমি 15 বছর আগে নিউরাল নেটওয়ার্কের সাথে কাজ করেছি এবং আমি বলতে পারি যে এই সময়ে উপলব্ধ সংস্থানগুলি বিবেচনা করে এটি "কঠিন" সময় ছিল।

ধাপ 2: ব্যবহৃত সম্পদ

· লজিটেক C270 ক্যামেরা

· কম্পিউটার

· NVIDIA GeForce GTX 1660

ধাপ 3:

ধাপ 4: পূর্বশর্ত

ডিপ নিউরাল নেটওয়ার্ক (ডিএনএন) চালানোর জন্য জিপিইউ সহ সমান্তরাল কম্পিউটিং ব্যবহার করা প্রয়োজন।

সুতরাং আপনার NVIDIA থেকে একটি শক্তিশালী ভিডিও কার্ডের প্রয়োজন হবে এবং CUDA API (GPU ভার্চুয়াল ইন্সট্রাকশন সেট) ব্যবহার করে অ্যালগরিদম চালান।

অ্যালগরিদম চালানোর জন্য আপনাকে প্রথমে নিম্নলিখিত প্যাকেজগুলি ইনস্টল করতে হবে:

- NVIDIA ভিডিও কার্ড ড্রাইভ

- চুদা

- CUDNN (CUDA ডিপ নিউরাল নেটওয়ার্ক লাইব্রেরি)

- ওপেনসিভি

ধাপ 5: কম্পিউটারের প্রয়োজনীয়তা

ধাপ 6: YOLO সেটআপ করুন

একটি পূর্ব প্রশিক্ষিত মডেল ব্যবহার করে সনাক্তকরণ

টার্মিনাল খুলুন এবং উপরের কমান্ডগুলি প্রবেশ করুন।

ধাপ 7: MakeFile সংশোধন করুন

উপরের চিত্রে "MakeFile" ফাইলটি পরিবর্তন করুন, কারণ আমরা GPU, CUDNN এবং OpenCV প্রসেসিং ব্যবহার করব। পরিবর্তন করার পরে, 'মেক' কমান্ডটি চালান।

ধাপ 8: এটি সম্পূর্ণ হওয়ার জন্য অপেক্ষা করুন

ধাপ 7 এ 'মেক' কমান্ডটি অ্যালগরিদম দ্বারা ব্যবহারের জন্য সবকিছু সংকলন করবে এবং এটি চালাতে কিছু সময় লাগবে।

ধাপ 9: কম্পিউটারের জন্য যা প্রয়োজনীয়তার সাথে মেলে না

যদি আপনার কম্পিউটার এবং ভিডিও কার্ড ততটা শক্তিশালী না হয় অথবা আপনি আরও ভাল পারফরম্যান্স চান, তাহলে 'cfg /yolov3.cfg' ফাইলটি পরিবর্তন করুন।

উপরের কনফিগারেশনটি এই প্রকল্পে ব্যবহৃত হয়েছিল।

ধাপ 10: YOLO V3

সনাক্তকরণ সিস্টেমগুলি সাধারণত বিভিন্ন স্থানে এবং স্কেলে একটি ছবিতে মডেল প্রয়োগ করে।

YOLO পুরো ছবিতে একটি একক নিউরাল নেটওয়ার্ক প্রয়োগ করে। এই নেটওয়ার্ক ইমেজটিকে অঞ্চলে বিভক্ত করে এবং প্রতিটি অঞ্চলের জন্য সীমানা বাক্স এবং সম্ভাব্যতা প্রদান করে।

YOLO এর বেশ কিছু সুবিধা রয়েছে। এটি সম্পূর্ণরূপে ইমেজ দেখে, তাই ইমেজের বৈশ্বিক প্রেক্ষাপট দ্বারা এর পূর্বাভাস তৈরি করা হয়।

এটি একটি একক নেটওয়ার্ক মূল্যায়নের সাথে ভবিষ্যদ্বাণী করে, R-CNN এর বিপরীতে যা একক চিত্রের জন্য হাজার হাজার মূল্যায়ন করে।

এটি R-CNN এর চেয়ে 1000 গুণ এবং দ্রুত R-CNN এর চেয়ে 100 গুণ দ্রুত।

ধাপ 11: YOLO চালানো

YOLO চালানোর জন্য, শুধু "ডার্কনেট" ফোল্ডারে টার্মিনাল খুলুন এবং একটি কমান্ড দিন।

আপনি 4 উপায়ে YOLO চালাতে পারেন:

ছবি

একাধিক ছবি

· স্ট্রিমিং (ওয়েবক্যাম)

ভিডিও

ধাপ 12: YOLO V3 - ছবি

ডার্কনেটের ভিতরে "ডেটা" ফোল্ডারে আপনি যে ছবিটি চান তা রাখুন এবং তারপরে ছবির নাম পরিবর্তন করার উপরে কমান্ডটি চালান।

ধাপ 13: YOLO V3 - ইনপুট ইমেজ

ধাপ 14: YOLO V3 - আউটপুট ইমেজ

ধাপ 15: YOLO V3 - একাধিক ছবি

ছবিগুলিকে কিছু ফোল্ডারে রাখুন এবং ইমেজ পাথ প্রদানের পরিবর্তে, এটি ফাঁকা রেখে কমান্ডটি চালান যেমন আপনি উপরে দেখতে পারেন (বাম দিকে)।

এর পরে, ডানদিকে চিত্রের মতো কিছু উপস্থিত হবে, কেবল চিত্রের পথটি রাখুন এবং "এন্টার" এ ক্লিক করুন এবং বেশ কয়েকটি চিত্রের জন্য এই পদক্ষেপগুলি পুনরাবৃত্তি করুন।

ধাপ 16: YOLO V3 - ওয়েবক্যাম

উপরের কমান্ডটি চালান এবং নেটওয়ার্ক লোড করার পর ওয়েবক্যাম দেখা যাবে।

ধাপ 17: YOLO V3 - ভিডিও

ডার্কনেটের ভিতরে আপনার পছন্দসই ভিডিওটি "ডেটা" ফোল্ডারে রাখুন এবং তারপরে ভিডিওর নাম পরিবর্তন করে উপরের কমান্ডটি চালান।

ধাপ 18: YOLO V3 - EXPO3D ভিডিও 1

ধাপ 19: YOLO V3 - ভিডিও EXPO3D 2

ধাপ 20: YOLO V3 - ভিডিও EXPO3D 3

ধাপ 21: পিডিএফ ডাউনলোড করতে

পিডিএফ ডাউনলোড করুন (ব্রাজিলিয়ান পর্তুগিজ ভাষায়)