Εντοπίστε και μετρήστε αντικείμενα με ανίχνευση αντικειμένων

Αυτό το μοτίβο κώδικα είναι μέρος του Ξεκινώντας με το IBM Maximo Visual Inspection μαθησιακή πορεία.

Χαρακτηριστικά

Η ανίχνευση αντικειμένων έχει διαφορετικές χρήσεις και διαφορετικές ευκαιρίες από την ταξινόμηση εικόνων. Αυτό το μοτίβο κώδικα δείχνει πώς να χρησιμοποιήσετε το IBM Maximo Visual Inspection Object Detection για τον εντοπισμό και την επισήμανση αντικειμένων μέσα σε μια εικόνα (σε αυτήν την περίπτωση, προϊόντα Coca-Cola), με βάση προσαρμοσμένη εκπαίδευση. Στη συνέχεια, μπορείτε εύκολα να προσαρμόσετε αυτό το αρχικό παράδειγμα συνόλου δεδομένων με τα δικά σας σύνολα δεδομένων-χωρίς να γράψετε κανέναν κώδικα.

Περιγραφή

Φανταστείτε ότι είστε προμηθευτής ενός είδους (όπως ένα αναψυκτικό) και θέλετε να μάθετε πόσα μπουκάλια υπάρχουν στο ράφι ενός καταστήματος. Μπορείτε να δημιουργήσετε μια εφαρμογή που σας βοηθά να κάνετε ακριβώς αυτό. Το IBM Maximo Visual Inspection χρησιμοποιεί βαθιά εκμάθηση για τη δημιουργία εκπαιδευμένων μοντέλων με βάση τις εικόνες που ανεβάζετε και επισημαίνετε. Δεν χρειάζεται να γράψετε κανέναν κώδικα για να εκπαιδεύσετε, να αναπτύξετε και να δοκιμάσετε ένα νέο μοντέλο ανίχνευσης αντικειμένων. Απλώς ανεβάζετε τις εικόνες, χρησιμοποιείτε το ποντίκι σας για να επισημαίνετε τα αντικείμενα στις εικόνες σας και, στη συνέχεια, αφήνετε το IBM Maximo Visual Inspection να κάνει τη μάθηση.

Με αυτό το μοτίβο, θα χρησιμοποιήσετε εκπαίδευση βαθιάς μάθησης για να δημιουργήσετε ένα μοντέλο για την ανίχνευση αντικειμένων. Με λίγα μόνο κλικ, μπορείτε να εκπαιδεύσετε και να αναπτύξετε το μοντέλο. Αφού εκπαιδεύσετε και αναπτύξετε το μοντέλο, ένα τελικό σημείο REST σάς επιτρέπει να εντοπίσετε και να μετρήσετε στοιχεία σε μια εικόνα. Το μοτίβο κώδικα περιλαμβάνει ένα παράδειγμα σετ δεδομένων για να σας βοηθήσει να δημιουργήσετε έναν ανιχνευτή φιαλών οπτάνθρακα, αλλά μπορείτε να χρησιμοποιήσετε τα δικά σας παραδείγματα και να ανιχνεύσετε άλλα αντικείμενα.

Το IBM Maximo Visual Inspection παρουσιάζει REST API για λειτουργίες συμπερασμάτων. Μπορείτε να χρησιμοποιήσετε οποιοδήποτε πρόγραμμα-πελάτη REST για εντοπισμό αντικειμένων με το προσαρμοσμένο μοντέλο σας και μπορείτε να χρησιμοποιήσετε το IBM Maximo Visual Inspection UI για να το δοκιμάσετε. Αυτό το παράδειγμα περιλαμβάνει ένα παράδειγμα εφαρμογής Node.js που δείχνει πώς να ανεβάσετε μια εικόνα και στη συνέχεια να σχεδιάσετε την εικόνα με ετικέτες και πλαίσια οριοθέτησης γύρω από αντικείμενα που εντοπίστηκαν.

Όταν ολοκληρώσετε αυτό το μοτίβο κώδικα, θα πρέπει να γνωρίζετε πώς να:

• Δημιουργήστε ένα σύνολο δεδομένων για τον εντοπισμό αντικειμένων με το IBM Maximo Visual Inspection
• Εκπαιδεύστε και αναπτύξτε ένα μοντέλο που βασίζεται στο σύνολο δεδομένων
• Δοκιμάστε το μοντέλο χρησιμοποιώντας κλήσεις REST

Ροή

1. Ανεβάστε τις εικόνες για να δημιουργήσετε ένα σύνολο δεδομένων IBM Maximo Visual Inspection.
2. Επισημάνετε τα αντικείμενα στο σύνολο δεδομένων εικόνας πριν από την εκπαίδευση.
3. Εκπαιδεύστε, αναπτύξτε και δοκιμάστε το μοντέλο στο IBM Maximo Visual Inspection.
4. Χρησιμοποιήστε έναν πελάτη REST για να εντοπίσετε αντικείμενα σε εικόνες.

Οδηγίες

Βρείτε τα λεπτομερή βήματα για αυτό το μοτίβο στο README. Αυτά τα βήματα θα σας δείξουν πώς να:

1. Κλωνοποιήστε το αποθετήριο powerai-vision-object-detection GitHub.
2. Συνδεθείτε στο IBM Maximo Visual Inspection.
3. Δημιουργήστε ένα νέο σύνολο δεδομένων για εκπαίδευση ανίχνευσης αντικειμένων.
4. Δημιουργήστε ετικέτες για αντικείμενα εκπαίδευσης και επισημάνετε τα αντικείμενα.
5. Δημιουργήστε μια εργασία DL.
6. Αναπτύξτε και δοκιμάστε το μοντέλο.
7. Εκτελέστε την εφαρμογή.

Συμπέρασμα

Αυτό το μοτίβο κώδικα έδειξε πώς να χρησιμοποιείτε το IBM Maximo Visual Inspection Object Detection για τον εντοπισμό και την επισήμανση αντικειμένων μέσα σε μια εικόνα με βάση προσαρμοσμένη εκπαίδευση. Το μοτίβο κώδικα είναι μέρος του Ξεκινώντας με το IBM Maximo Visual Inspection διαδρομή μάθησης. Για να συνεχίσετε τη σειρά και να μάθετε περισσότερες δυνατότητες του IBM Maximo Visual Inspection, ρίξτε μια ματιά στο επόμενο μοτίβο κώδικα, Παρακολούθηση αντικειμένων σε βίντεο με OpenCV και Deep Learning.

Πηγή: https://developer.ibm.com/patterns/locate-and-count-items-with-object-detection/