Skip to content

README.md

Latest commit

 

History

History
66 lines (53 loc) · 3.83 KB

README.md

File metadata and controls

66 lines (53 loc) · 3.83 KB

Detekce hlav pomocí Hollywood Heads Dataset

Laboratorní úkol z AI for Beginners Curriculum.

Úkol

Počítání počtu lidí na záznamu z kamerového systému je důležitý úkol, který nám umožní odhadnout počet návštěvníků v obchodech, rušné hodiny v restauracích apod. Abychom tento úkol vyřešili, musíme být schopni detekovat lidské hlavy z různých úhlů. Pro natrénování modelu detekce objektů na detekci lidských hlav můžeme použít Hollywood Heads Dataset.

Dataset

Hollywood Heads Dataset obsahuje 369 846 lidských hlav anotovaných ve 224 740 filmových snímcích z hollywoodských filmů. Je poskytován ve formátu [https://host.robots.ox.ac.uk/pascal/VOC/](../../../../../../lessons/4-ComputerVision/11-ObjectDetection/lab/PASCAL VOC), kde pro každý obrázek existuje také XML soubor s popisem, který vypadá takto:

<annotation>
	<folder>HollywoodHeads</folder>
	<filename>mov_021_149390.jpeg</filename>
	<source>
		<database>HollywoodHeads 2015 Database</database>
		<annotation>HollywoodHeads 2015</annotation>
		<image>WILLOW</image>
	</source>
	<size>
		<width>608</width>
		<height>320</height>
		<depth>3</depth>
	</size>
	<segmented>0</segmented>
	<object>
		<name>head</name>
		<bndbox>
			<xmin>201</xmin>
			<ymin>1</ymin>
			<xmax>480</xmax>
			<ymax>263</ymax>
		</bndbox>
		<difficult>0</difficult>
	</object>
	<object>
		<name>head</name>
		<bndbox>
			<xmin>3</xmin>
			<ymin>4</ymin>
			<xmax>241</xmax>
			<ymax>285</ymax>
		</bndbox>
		<difficult>0</difficult>
	</object>
</annotation>

V tomto datasetu existuje pouze jedna třída objektů head, a pro každou hlavu získáte souřadnice ohraničujícího boxu. XML soubory můžete parsovat pomocí Python knihoven, nebo použít tuto knihovnu pro práci přímo s formátem PASCAL VOC.

Trénování detekce objektů

Model detekce objektů můžete natrénovat jedním z následujících způsobů:

  • Použitím Azure Custom Vision a jeho Python API pro programatické trénování modelu v cloudu. Custom Vision nebude schopný použít více než několik stovek obrázků pro trénování modelu, takže možná budete muset dataset omezit.
  • Použitím příkladu z Keras tutorialu pro natrénování modelu RetunaNet.
  • Použitím vestavěného modulu torchvision.models.detection.RetinaNet v knihovně torchvision.

Závěr

Detekce objektů je úkol, který je často vyžadován v průmyslu. I když existují služby, které lze použít k provádění detekce objektů (například Azure Custom Vision), je důležité pochopit, jak detekce objektů funguje, a být schopný natrénovat vlastní modely.

Prohlášení:
Tento dokument byl přeložen pomocí služby pro automatický překlad Co-op Translator. Ačkoli se snažíme o přesnost, mějte prosím na paměti, že automatické překlady mohou obsahovat chyby nebo nepřesnosti. Původní dokument v jeho původním jazyce by měl být považován za autoritativní zdroj. Pro důležité informace se doporučuje profesionální lidský překlad. Neodpovídáme za žádná nedorozumění nebo nesprávné interpretace vyplývající z použití tohoto překladu.