तंत्रिका नेटवर्क के खिलाफ जवानों। या रास्पबेरी शून्य पर वस्तुओं को पहचानने के लिए एक तंत्रिका नेटवर्क का चयन करें और चलाएं

सभी को शुभ दिन।

छोटे रास्पबेरी एक महान चीज है। मैंने पिछले छह महीनों में कुछ परियोजनाओं में रास्पबेरी ज़ीरो डब्ल्यू का इस्तेमाल किया। प्रोटोटाइपिंग की सादगी और विभिन्न विचारों को दूर करने के लिए रिश्वत दी। और अब यहाँ एक वैकल्पिक प्रश्न है: क्या यह उपकरण पूर्ण विकसित दीक्षांत ग्रिड को खींचेगा? [स्पॉयलर - खींचो, लेकिन अजीब बारीकियां हैं]। कौन विषय के बारे में परवाह करता है - बिल्ली के लिए आपका स्वागत है। सावधानी, कई बिल्लियाँ होंगी!

रास्पबेरी तंत्रिका नेटवर्क क्यों है?

किसी तरह मैंने देश में जानवरों (मुख्य रूप से बिल्लियों) की नाइटलाइफ़ को देखने के लिए रास्पबेरी ज़ीरो डब्ल्यू पर एक सरल वीडियो जाल एकत्र किया। कोड सरल था और बहुत अच्छा काम किया। वीडियो-फोटो का पता लगाने के लिए, आईआर रोशनी के साथ एक कैमरा इस तरह इस्तेमाल किया गया था "रास्पबेरी पाई रात संस्करण कैमरा" ।



कोड का सार दो लगातार फ्रेम लेना है, पिक्सेल द्वारा पिक्सेल की तुलना करना, और यदि परिवर्तित पिक्सेल की संख्या एक निश्चित सीमा मूल्य से अधिक है, तो 10 सेकंड का वीडियो रिकॉर्ड करना शुरू करें। मैं इस पोस्ट में कोड पाठ प्रदान नहीं करूंगा, अगर कोई रुचि रखता है, तो टिप्पणियों में लिखें, मैं इसे निम्नलिखित में डाल सकता हूं। मुख्य विशेषता यह है कि दो फ़्रेमों की तुलना 0.2 सेकंड में की जाए, कम से कम तेज़ घटनाओं को पकड़ने के लिए। खैर, जल्दी से इन तख्ते की तुलना करें।

तब एल्गोरिथ्म के लिए एक सरल तंत्रिका नेटवर्क को तेज करने के लिए विचार आया, ताकि कब्जा किए गए फ्रेम में ऑब्जेक्ट को निर्धारित करना और वीडियो रिकॉर्डिंग शुरू करना संभव हो तभी वस्तु वर्ग मज़बूती से निर्धारित किया गया था। यह संभावित रूप से वीडियो ट्रैप से झूठी सकारात्मकता को समाप्त करता है। ये चलती वस्तुओं (उदाहरण के लिए, घास या शाखाएं) या कैमरे के दृश्य की तेज रोशनी (खिड़की में प्रकाश चालू या दीपक बाहर चला गया, उदाहरण के लिए) से होता है।

रास्पबेरी पर क्या ग्रिड लगाया जाए?

सौभाग्य से, पूर्व-स्थापित पायथन के तहत (मेरे मामले में यह 3.5.3 है) और व्यापक रूप से उपलब्ध ओपनसीवी (मैं 3.4.3 का उपयोग करता हूं), आप लगभग किसी भी ग्रिड को डाल सकते हैं। दुर्भाग्य से, डिवाइस की सीमित कंप्यूटिंग क्षमताओं के कारण, विकल्पों की सूची छोटी है। वास्तव में, आप केवल "प्रकाश" विकल्पों में से चुन सकते हैं:

1. निचोड़ ( यहाँ नमूना कोड)।
2. योलो टिनी ( यहां )।
3. मोबाइलनेट-एसएसडी ( यहां )।
4. MobileNet_v1_224 ( इस ग्रिड पर ऑब्जेक्ट डिटेक्टर के संचालन का एक शानदार वीडियो है )।

इन सभी मामलों में, यह ठोस डेटासेट पर पूर्व-प्रशिक्षित मॉडल का उपयोग करने के अवसर को रिश्वत देता है, जिससे एक स्वतंत्र डेटा सेट और बाद में उन पर एक तंत्रिका नेटवर्क के प्रशिक्षण के सभी पीड़ाओं और चिंताओं से छुटकारा मिल जाता है।

आवेदक नंबर 1 भारित कारकों के मामूली आकारों के साथ दावा किए गए उच्च मान्यता सटीकता से प्रेरित था। इसके अलावा, इंटरनेट पर एक छोटी खोज ने उत्कृष्ट ब्लॉग एड्रियन रोजब्रुक का नेतृत्व किया, जिसने कोड पर विस्तार से टिप्पणी की और रास्पबेरी पर गहन सीखने को लागू करने के लिए कई विकल्पों का वर्णन किया।

यहाँ से कोड का उपयोग स्क्वीज़नेट की क्षमताओं का परीक्षण करने के लिए किया गया था । लेखक साइट पर फ़ॉर्म भरने के बाद मॉडल का वजन और पाठ प्रतिनिधित्व भेजता है। वैसे, यदि आपके पास OpenCV स्थापित नहीं है, तो आप उसके ब्लॉग में कार्यों का एल्गोरिथ्म पा सकते हैं। साथ ही, "ओवरक्लॉकिंग" कोड के उदाहरण हैं जो मॉडल के काम के समय को तेज करने के लिए और बहुत कुछ करते हैं। एड्रियन का सम्मान, वास्तव में अच्छा संसाधन है।

ठीक है, चलो कोड चलाते हैं और पहली तस्वीर में एक आश्चर्यजनक परिणाम प्राप्त करते हैं!



तस्वीर में बिल्ली को 99% की संभावना के साथ फारसी के रूप में परिभाषित किया गया है। वास्तव में, वह फ़ारसी नहीं, बल्कि ब्रिटिश लोंगहेयर या हाइलैंडर है। लेकिन 1000 वर्गों की श्रेणी वाले एक मॉडल के लिए, आप कह सकते हैं, बैल की आंख मारा। सुविधा के लिए, मैंने तंत्रिका नेटवर्क के मुख्य परिणामों को सीधे फोटो में रखा। ये 5 सबसे संभावित वर्ग हैं, पहला सबसे संभावित है, दूसरा अगला सबसे महत्वपूर्ण है, और इसी तरह।

वैसे, मॉडल 6.5 सेकंड के लिए मेरे शून्य पर ऑब्जेक्ट कक्षाओं को गिनता है। यदि आप एड्रियन के आंकड़ों पर विश्वास करते हैं, तो रास्पबेरी पाई बी + पर दिए गए चित्रों में उनकी पोस्ट (हेयरड्रेसर, कोबरा और जेलिफ़िश के परिसर की तस्वीर) में गणना में लगभग 0.92 सेकंड का समय लगेगा। मैं स्वेच्छा से मानता हूं कि रास्पबेरी के पूर्ण संस्करण में प्रोसेसर में 4 कोर हैं। मेरा मानना ​​है कि हर कोई जानता है कि शून्य में केवल एक है (

ऐसा लगता है कि आपको जीरो पर वास्तविक समय में ऑब्जेक्ट क्लास को परिभाषित करने के बारे में भूलना होगा। वैसे, मुझे स्वीकार करना चाहिए कि एक "पूर्ण" पाई पर मॉडल को काम करने के लिए समय का एक दूसरा भी अंतिम सपना नहीं है।

लेकिन चलो मॉडल का परीक्षण जारी रखें।



बिल्ली ने शरीर की स्थिति को बदल दिया और अपने पूर्व "फारसी" के 7% के बराबर खो दिया)। लेकिन यह एक मजाक है, निश्चित रूप से, मॉडल का काम बहुत अच्छा है। यह इस स्थान पर था कि इसे समाप्त करना संभव था, लेकिन मैं मॉडल के कार्य को थोड़ा जटिल करना चाहता था। चलो पर अभ्यास करना जारी रखें ... बिल्लियों। लेकिन हम उन फ़्रेमों को इकट्ठा करेंगे जहां बिल्ली क्लासिक मुद्रा में नहीं बैठती है, लेकिन सोती है, उदाहरण के लिए। तो चलिए चलते हैं।



इस तस्वीर में, बिल्ली को अंगोरा के रूप में परिभाषित किया गया है, लेकिन यह सटीक नहीं है। जाहिरा तौर पर इस तथ्य से कि वह सिंक छोड़ने के एक जुनूनी अनुरोध से नाराज है। खैर, तंत्रिका नेटवर्क गलत था, ठीक है, जो अंत में नहीं होता है?



यह पता चला है कि एक शराबी फुटबॉल की गेंद मेरे घर में रहती है) हां, ऐसा होता है कि लोग पहली नज़र में ऐसा नहीं करते हैं। बिल्ली और तंत्रिका नेटवर्क की लड़ाई एक गंभीर मोड़ लेती है।



वाह। अब वह साइबेरियाई हस्की है। कुछ मुझे बताता है कि बिल्ली अभी भी गिनती कर रही है)



ऐसा लगता है कि इन दोनों में से एक को स्पष्ट रूप से खटखटाया गया है और यह स्पष्ट रूप से एक बिल्ली नहीं है। अब इसे तंत्रिका नेटवर्क द्वारा एक स्पिंडल के रूप में परिभाषित किया जाता है (केवल 8.5% द्वारा यद्यपि), अभी भी विकल्प हैं कि यह एक बीगल, एक ओर्का, एक चट्टानी अजगर या एक स्कंक है। बिल्ली नहीं है, लेकिन एक महिला एक रहस्य है!



चलो! यह अभी भी एक ओर्का है! हां, हां, एक सीमैटीन ऑर्डर का समुद्री स्तनपायी। किसी कारण के लिए, मैंने बचपन से दूर की रेखाओं को याद किया:
"इस कहानी में कोई आदेश नहीं है,
यहाँ एक गलती है, एक टाइपो! कोई
सभी नियमों के खिलाफ
एक परी कथा में, उन्होंने पत्रों को फिर से व्यवस्थित किया,
मार्ग
"कैट" पर "किट",
"कैट" इसके विपरीत "केआईटी" पर! "।
गोंग बजता है, रेफरी लड़ाई रोक देता है)



दूसरे दौर में, बिल्ली, चालाकी से चश्मा पहने हुए, 34% की संभावना के साथ बोस्टन बुलडॉग के लिए पारित हुई। या फ्रेंच के लिए। ऐसा लगता है कि तंत्रिका नेटवर्क पहले दौर में हार से पूरी तरह से उबर नहीं पाया है)



खैर, आखिरकार! बिल्ली को 66% की संभावना के साथ सियामी के रूप में परिभाषित किया गया है! ब्रावो, स्क्वीज़नेट! गंभीरता से, ऐसा लगता है कि मूल डेटासेट में, झूठ नहीं बोलने की तस्वीरें हैं, लेकिन बैठे बिल्लियों प्रबल हैं। झूठ बोलना ज्यादातर कुत्ते थे)



एक बॉक्स का आकार लेने के लिए बिल्लियों की क्षमता मनुष्यों के लिए भी भ्रामक है, अकेले तंत्रिका नेटवर्क दें। बॉक्स में विसर्जन ने पहचान की सटीकता को 40% तक कम कर दिया।



तो, इसलिए ... और यह, ऐसा लगता है, आम तौर पर एक निषिद्ध रिसेप्शन है। बिल्ली के बगल में पड़ा कंप्यूटर माउस पूरी तरह से तंत्रिका नेटवर्क को भ्रमित करता है। अब हमारी बिल्ली चूहा है! )

तो, पूरे तंत्रिका नेटवर्क को बिल्लियों की 11 तस्वीरों के साथ प्रस्तुत किया गया था, जिनमें से केवल 5 की सही पहचान की गई थी। इसके अलावा, केवल तीन मामलों में 50% से अधिक की संभावना के साथ। किसी भी तरह से स्क्वीज़नेट के लेखकों का काम कम नहीं हुआ। यह एक ठोस नेटवर्क है जिसमें बहुत व्यापक श्रेणी की वस्तुएं और अपेक्षाकृत कम संसाधन आवश्यकताएं होती हैं।

लेख, निश्चित रूप से, प्रकृति में हास्य है, लेकिन प्राप्त आंकड़ों से काफी व्यावहारिक निष्कर्ष निकाला जा सकता है। पूर्व-प्रशिक्षित तंत्रिका नेटवर्क का उपयोग बड़ी सावधानी से करना आवश्यक है, कार्य की वास्तविक छवियों पर उनकी जांच करना जिसके लिए एक तंत्रिका नेटवर्क का उपयोग करने की योजना है।

रास्पबेरी के लिए इष्टतम तंत्रिका नेटवर्क की पसंद के बारे में - सवाल अभी तक खुला रहता है। मैं प्रयोगों को जारी रखता हूं, अगर इस विषय में दर्शकों की रुचि है, तो मैं आगे के शोध के परिणाम साझा करूंगा। यह सिर्फ इतना है कि पहले चरण के परिणाम इतने मजेदार थे कि मैं वास्तव में उन्हें साझा करना चाहता था।

अंत तक पढ़ने के लिए धन्यवाद। शुभकामनाएँ और एक अच्छा काम करने का सप्ताह)

UPD: रास्पबेरी पाई ज़ीरो डब्ल्यू पर एक तंत्रिका नेटवर्क को चलाने के लिए काम करने वाले कोड के लिए इस पोस्ट का दूसरा भाग देखें।