Vediamo come far partire il nostro programma e come divertici a fare le nostre prove

Per fare in modo che questo MicroCorso possa essere utile per te assicurati di avere le nozioni qui sotto richieste. Se noti di non conoscere bene un argomento clicca il Link di fianco. Prerequisiti : Se non sai perchè utilizzeremo python, clicca qui Se non hai ancora installato Python, clicca qui Se non sai come scaricare e gestire le librerie, clicca qui Se non sai cosa sia un Dataset, clicca qui Se non sai quali sono le migliori librerie per l'I.A. , clicca qui Sei Pronto ad Iniziare ?

In questa parte del tutorial, lavoreremo attraverso l'installazione di ImageAI. Per utilizzare ImageAI è necessario installare alcune dipendenze. Il primo passo è avere Python installato sul tuo computer. Se non lo hai installato, o non sai come scaricare e gestire le librerie vai ai prerequisiti Dopo aver installato Python sul tuo computer, installa le seguenti librerie usando pip: TensorFlow $ pip install tensorflow $ pip3 install tensorflow # per Python3 OpenCV $ pip install opencv-python $ pip3 install opencv-python # per Python3 Keras $ pip install keras $ pip3 install keras # per Python3 ImageAI $ pip install imageAI $ pip3 install imageAI # per Python3 Ora scarica il file del modello TinyYOLOv3 che contiene il modello di classificazione che verrà utilizzato per il rilevamento degli oggetti. Ora preparati AL DIVERTIMENTO

Ora che hai importato la libreria imageAI e la classe ObjectDetection, la prossima cosa è creare un'istanza della classe ObjectDetection, come mostrato qui: detector = ObjectDetection() Ora dovresti essere a questo punto *Non fare caso ai numeri a sinistra delle righe

Specifichiamo il percorso dalla nostra immagine di input, immagine di output e modello. model_path = "./models/yolo-tiny.h5" input_path = "./input/test45.jpg" output_path = "./output/newimage.jpg" Se stai copiando correttamente, il tuo file dovrebbe essere cosi

Successivamente, chiameremo la funzione setModelPath(). Questa funzione accetta una stringa che contiene il percorso del modello pre-addestrato: detector.setModelPath(model_path) Ora dovresti essere a questo punto se hai seguito tutti gli step

Questo passaggio chiama la funzione loadModel() . Carica il modello dal percorso specificato sopra utilizzando il setModelPath() metodo di classe. detector.loadModel() Ecco a che punto dovresti essere con il tuo codice

Se non sei riuscito a scrivere il codice, ti lascio qui l'intero programma da copiare ed incollare dentro un file salvato con l'estenzione .py from imageai.Detection import ObjectDetection detector = ObjectDetection() model_path = "./models/yolo-tiny.h5" input_path = "./input/img.jpg" output_path = "./output/newimage.jpg" detector.setModelTypeAsTinyYOLOv3() detector.setModelPath(model_path) detector.loadModel() detection = detector.detectObjectsFromImage(input_image=input_path, output_image_path=output_path) for eachItem in detection: print(eachItem["name"] , " : ", eachItem["percentage_probability"])

Le tecniche di deep learning si sono dimostrate all'avanguardia per vari problemi di rilevamento di oggetti. Di seguito sono riportati alcuni degli approcci di deep learning comunemente utilizzati per il rilevamento di oggetti: ImageAI Rilevatori a colpo singolo YOLO (Guardi solo una volta) Reti neurali convoluzionali Nel resto di questo MicroCorso, vedremo cos'è esattamente ImageAI e come usarlo per eseguire il rilevamento di oggetti. Per renderti chiaro il funzionamento di una banale applicazione di computer vision basata sull'Apprendimento profondo ti proponiamo questa animazione

ImageAI è una libreria Python creata per consentire agli sviluppatori di creare applicazioni e sistemi con capacità di apprendimento approfondito e di visione artificiale autonome utilizzando poche righe di codice diretto. ImageAI contiene un'implementazione Python di quasi tutti gli algoritmi di apprendimento profondo all'avanguardia come RetinaNet , YOLOv3 e TinyYOLOv3. ImageAI utilizza diverse API che funzionano offline: ha API di rilevamento di oggetti, rilevamento di video e rilevamento di oggetti che possono essere chiamate senza accesso a Internet. ImageAI utilizza un modello pre-addestrato e può essere facilmente personalizzato. La ObjectDetection della libreria ImageAI contiene funzioni per eseguire il rilevamento di oggetti su qualsiasi immagine o insieme di immagini, utilizzando modelli pre-addestrati. Con ImageAI, puoi rilevare e riconoscere 80 diversi tipi di oggetti comuni e quotidiani.

Il nostro primo compito qui è creare le cartelle necessarie. Per questo tutorial abbiamo bisogno delle seguenti cartelle: Rilevamento di oggetti : cartella principale models : memorizza il modello pre-addestrato input : memorizza il file immagine su cui si desidera eseguire il rilevamento degli oggetti output : memorizza il file immagine con gli oggetti rilevati Dopo aver creato le cartelle, la Directory principale dovrebbe contenere le seguenti sottocartelle: CartellaPrincipale ├── input ├── models └── output Ora inserisci dentro la cartella models, il Modello TinyYOLOv3 che hai scaricato nello step della configurazione dell'ambiente.

Dopo aver istanziato la ObjectDetectionclasse, ora possiamo chiamare varie funzioni dalla classe. La classe contiene le seguenti funzioni di chiamare modelli pre-addestrati: setModelTypeAsRetinaNet(), setModelTypeAsYOLOv3(), e setModelTypeAsTinyYOLOv3(). Ai fini di questo tutorial, userò il TinyYOLOv3model pre-addestrato e quindi useremo la setModelTypeAsTinyYOLOv3() funzione per caricare il nostro modello. detector.setModelTypeAsTinyYOLOv3() Ecco come dovrebbe essere il tuo codice

Ora inserisci l' immagine nella cartella " /input/ " Dopo aver caricato l' immagine ricordati di cambiare la variabile input_path con il nome del file immagine da te inserito nella cartella input_path = "./input/tuafoto.jpg"

Iniziamo con una breve Panoramica sulla Computer Vision e sulle principali librerie per creare programmi

Rilevamento di oggetti con ImageAI in 10 semplici step. Vediamo ora come utilizzare effettivamente la libreria ImageAI. Spiegherò passo dopo passo come costruire il tuo primo modello di rilevamento di oggetti con ImageAI. Pronto a creare il tuo primo programma?