Nesne algılamalı öğeleri bulma ve sayma

Bu kod deseni, IBM Maximo Visual Inspection'a başlarken Öğrenme yolu.

Özet

Nesne tespiti, görüntü sınıflandırmadan farklı kullanımlara ve farklı fırsatlara sahiptir. Bu kod modeli, özelleştirilmiş eğitime dayalı olarak bir görüntü içindeki nesneleri (bu durumda Coca-Cola ürünleri) algılamak ve etiketlemek için IBM Maximo Visual Inspection Object Detection'ın nasıl kullanılacağını gösterir. Daha sonra bu ilk veri seti örneğini, herhangi bir kod yazmadan kendi veri setlerinizle kolayca özelleştirebilirsiniz.

Açıklama

Bir ürünün (meşrubat gibi) tedarikçisi olduğunuzu ve bir mağazanın rafında kaç şişe bulunduğunu bilmek istediğinizi düşünün. Tam da bunu yapmanıza yardımcı olacak bir uygulama oluşturabilirsiniz. IBM Maximo Visual Inspection, yüklediğiniz ve etiketlediğiniz görüntülere dayalı olarak eğitimli modeller oluşturmak için derin öğrenmeyi kullanır. Yeni bir nesne algılama modelini eğitmek, dağıtmak ve test etmek için herhangi bir kod yazmanıza gerek yoktur. Görüntüleri yüklemeniz, görüntülerinizdeki nesneleri etiketlemek için farenizi kullanmanız ve ardından öğrenme işlemini IBM Maximo Visual Inspection'a bırakmanız yeterlidir.

Bu modelle, nesne algılama için bir model oluşturmak için derin öğrenme eğitimini kullanacaksınız. Sadece birkaç tıklama ile modeli eğitebilir ve dağıtabilirsiniz. Modeli eğitip dağıttıktan sonra, bir REST uç noktası bir görüntüdeki öğeleri bulmanızı ve saymanızı sağlar. Kod modeli, bir Kola şişesi detektörü oluşturmanıza yardımcı olacak örnek bir veri seti içerir, ancak kendi örneklerinizi kullanabilir ve diğer nesneleri tespit edebilirsiniz.

IBM Maximo Visual Inspection, çıkarım işlemleri için REST API'leri sunar. Özel modelinizle nesne tespiti için herhangi bir REST istemcisini kullanabilir ve bunu test etmek için IBM Maximo Visual Inspection UI'yi kullanabilirsiniz. Bu örnek, bir görüntünün nasıl yükleneceğini ve ardından algılanan nesnelerin etrafına etiketler ve sınırlayıcı kutularla görüntünün nasıl çizileceğini gösteren örnek bir Node.js uygulamasını içerir.

Bu kod modelini tamamladığınızda, şunları nasıl yapacağınızı bilmelisiniz:

• IBM Maximo Visual Inspection ile nesne algılamaya yönelik bir veri kümesi oluşturun
• Veri kümesine dayalı bir model eğitin ve dağıtın
• Modeli REST çağrılarını kullanarak test edin

akış

1. IBM Maximo Visual Inspection veri kümesi oluşturmak için görüntüleri yükleyin.
2. Eğitimden önce görüntü veri kümesindeki nesneleri etiketleyin.
3. Modeli IBM Maximo Visual Inspection'da eğitin, devreye alın ve test edin.
4. Görüntülerdeki nesneleri algılamak için bir REST istemcisi kullanın.

talimatlar

Bu model için ayrıntılı adımları README. Bu adımlar size şunları nasıl yapacağınızı gösterecektir:

1. Powerai-vision-nesne-algılama GitHub deposunu klonlayın.
2. IBM Maximo Visual Inspection'da oturum açın.
3. Nesne algılama eğitimi için yeni bir veri kümesi oluşturun.
4. Eğitim nesneleri için etiketler oluşturun ve nesneleri etiketleyin.
5. Bir DL görevi oluşturun.
6. Modeli dağıtın ve test edin.
7. Uygulamayı çalıştırın.

Sonuç

Bu kod modeli, özelleştirilmiş eğitime dayalı olarak bir görüntü içindeki nesneleri algılamak ve etiketlemek için IBM Maximo Visual Inspection Object Detection'ın nasıl kullanılacağını gösterdi. Kod modelinin bir parçası IBM Maximo Visual Inspection'a başlarken Öğrenme yolu. Seriye devam etmek ve daha fazla IBM Maximo Visual Inspection özelliği hakkında bilgi edinmek için sonraki kod modeline göz atın, OpenCV ve Deep Learning ile videoda nesne izleme.

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