（→实验时间） |
（→支撑技术） |
||
| （2位用户的5个中间修订版本未显示） | |||
| 第15行： | 第15行： | ||
=实验时间= | =实验时间= | ||
| − | 校历第六~第七周（10月23日- | + | 校历第六~第七周（10月23日-11月26日） |
=学生安排= | =学生安排= | ||
| 第37行： | 第37行： | ||
==支撑技术== | ==支撑技术== | ||
| − | |||
| − | [https:// | + | [https://opencv.org/ OpenCV ] |
| − | + | [http://www.tensorflow.org TensorFlow] https://tensorflow.google.cn/ | |
| − | + | Python+TensorFlow [[Python_TensorFlow_Basics]] | |
| − | + | [https://github.com/tensorflow/models/tree/master/research/object_detection TensorFlow_Object_Detection] | |
| − | + | =OpenCV图像获取= | |
| − | + | ||
| − | + | ||
| − | + | ||
| − | = | + | |
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
| − | + | ||
以下为Windows 10平台为例。 | 以下为Windows 10平台为例。 | ||
| 第97行： | 第80行： | ||
imcap.release() | imcap.release() | ||
cv2.destroyAllWindows() | cv2.destroyAllWindows() | ||
| + | |||
| + | ==硬件平台== | ||
| + | |||
| + | * PC平台 | ||
| + | |||
| + | * PYNQ | ||
| + | |||
| + | * Android平板 | ||
| + | |||
| + | * 英伟达TX1 | ||
| + | |||
| + | =训练数据集= | ||
| + | |||
| + | ==数据采集== | ||
| + | |||
| + | 安全帽图片集 | ||
| + | |||
| + | ==标注图片== | ||
| + | |||
| + | 参考文档 | ||
| + | |||
| + | ==训练== | ||
| + | 训练的步骤参考： | ||
| + | [https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/running_locally.md Running Locally] | ||
| + | |||
| + | 其中，使用自己的数据集需要生成labelmap和tfrecord： | ||
| + | [https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/using_your_own_dataset.md Own Dataset] | ||
| + | |||
| + | pipeline的配置文件参考： | ||
| + | [https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/configuring_jobs.md Pipeline] | ||
| + | 样例包括： | ||
| + | [https://github.com/tensorflow/models/tree/master/research/object_detection/samples/configs config_samples] | ||
| + | |||
| + | 可用的pretrain模型参考： | ||
| + | [https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/detection_model_zoo.md Model Zoo] | ||
| + | |||
| + | 建议使用速度为fast的模型。 | ||
=参考= | =参考= | ||
2018年11月2日 (五) 05:00的最后版本
教学团队
教师：陈震，马晓东，章屹松，王蓓蓓，高英
助教：郑文勋，冯杰，宋丹丹，常嘉辉，闫泽禹，陆昕
实验内容
场景：在一个建设场地，为了保障人员的人身安全，需要检测工程人员是否配戴了安全帽。
目标：完成一个安全帽佩戴检测系统。学习使用TensorFlow实现计算机视觉的对象检测技术（Object Detection, OD）。
性质：属于计算机视觉，属于实验单元。
实验时间
校历第六~第七周（10月23日-11月26日）
学生安排
- 组织：
- 每4人一组：
- 每个助教指导一组；
- 现场拍照：章老师等
- 要求：
- 每组同学建立课程wiki；
- 每组同学建立Gitlab_repo；
实验技术
实验步骤分为：
- 佩戴安全帽照片（每位同学三张：正面，侧面和后面），也可以邀请同学贡献一下。图片格式："学号-x.png" or "学号.jpg", x为1,2,3 代表正面、侧面和后面。
- 每位同学标注数据，由助教负责汇总，形成训练数据集：60 x 3 =180张照片。标注格式见 说明。
- 分组选择模型、训练模型、提交模型。
- 助教测试评估模型，给出结果。
支撑技术
TensorFlow https://tensorflow.google.cn/
Python+TensorFlow Python_TensorFlow_Basics
OpenCV图像获取
以下为Windows 10平台为例。
安装opencv
安装Anaconda
在https://mirrors.tuna.tsinghua.edu.cn
下载安装 opencv
conda install -c conda-forge opencv
python opencv
使用摄像头捕获视频并显示
import cv2 import numpy import matplotlib.pyplot as plot
imcap = cv2.VideoCapture(0)
while(1):
# get a frame
ret, frame = imcap.read()
# show a frame
cv2.imshow("capture", frame)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
imcap.release() cv2.destroyAllWindows()
硬件平台
- PC平台
- PYNQ
- Android平板
- 英伟达TX1
训练数据集
数据采集
安全帽图片集
标注图片
参考文档
训练
训练的步骤参考： Running Locally
其中，使用自己的数据集需要生成labelmap和tfrecord： Own Dataset
pipeline的配置文件参考： Pipeline 样例包括： config_samples
可用的pretrain模型参考： Model Zoo
建议使用速度为fast的模型。
参考
- TensorFlow
- W. Liu et al., SSD: Single shot multibox detector. ECCV 2016.
- Huang J et al., "Speed/accuracy trade-offs for modern convolutional object detectors." CVPR 2017