18 kaikkien aikojen klassista avoimen lähdekoodin Tietokonenäköprojektia aloittelijoille

yleiskatsaus

• avoimen lähdekoodin tietokonenäköprojektit ovat hieno segway syväoppimisen alalle
• Aloita työstämään näitä 18 suosittua ja kaikkien aikojen klassista avoimen lähdekoodin tietokonenäköprojektia

Johdanto

Tietokonenäkösovelluksia esiintyy kaikkialla juuri nyt. En rehellisesti voi muistaa viime kerran kävin läpi koko päivän kohtaamatta tai vuorovaikutuksessa ainakin yksi tietokoneen visio käyttötapaus (Hei kasvojentunnistus puhelimessani!).

mutta asia on näin: ihmiset, jotka haluavat oppia tietokonenäön, juuttuvat yleensä teoreettisiin käsitteisiin. Ja se on huonoin tie, jonka voit valita! Jotta voisimme todella oppia ja hallita tietokonenäön, meidän on yhdistettävä teoria ja käytännön kokemus.

ja siihen avoimen lähdekoodin tietokonenäköprojektit tulevat. Sinun ei tarvitse viettää penniäkään harjoitella tietokoneen visio taitoja – voit tehdä sen istuu juuri siinä, missä olet juuri nyt!

joten tässä artikkelissa olen koonnut ja laatinut luettelon avoimen lähdekoodin Tietokonenäköprojekteista, jotka perustuvat tietokonenäön eri sovelluksiin. On paljon käydä läpi ja tämä on melko kattava lista, joten kaivetaan!

jos olet täysin uusi tietokonenäkössä ja syväoppimisessa ja haluat mieluummin oppia videomuodossa, Katso tästä:

• Tietokonenäkö syväoppimista käyttäen 2.0

18 avoimen lähdekoodin Tietokonenäköprojektia on jaettu näihin kategorioihin:

• kuvantunnistus
• kasvojentunnistus
• Neuraalityylin siirto käyttäen GANs
• Kohtaustekstin tunnistus
• kohteen tunnistus DETR
• semanttinen segmentointi
• tien Kaistatunnistus autonomisissa ajoneuvoissa
• kuvan tekstitys
• ihmisen Pose-Estimointihankkeet
• tunteiden tunnistus Kasvonilmeiden kautta

avoimen lähdekoodin Tietokonenäköhankkeet Kuvan luokitteluun

Kuvan luokittelu on tietokonenäön perustehtävä. Tässä, tavoitteena on luokitella kuva osoittamalla erityinen etiketti se. Meidän ihmisten on helppo ymmärtää ja luokitella näkemämme kuvat. Koneelle tapaus on kuitenkin hyvin erilainen. Koneelle on työlästä erottaa auto ja norsu toisistaan.

tässä kaksi näkyvintä avoimen lähdekoodin projektia kuvanluokitukseen:

1. Cifar 10

   CIFAR-10-aineisto on kokoelma kuvia, joita käytetään yleisesti koneoppimisen ja tietokonenäköalgoritmien kouluttamiseen. Se on yksi koneoppimisen tutkimuksen suosituimmista aineistoista. Se sisältää 60 000, 32×32 värikuvaa 10 eri luokassa. Luokat edustavat lentokoneita, autoja, lintuja, kissoja, peuroja, koiria, sammakoita, hevosia, laivoja ja kuorma-autoja.

2. ImageNet

   ImageNet-aineisto on laaja visuaalinen tietokanta, jota käytetään tietokonenäön tutkimuksessa. Hanke on merkinnyt käsin yli 14 miljoonaa kuvaa, joista käy ilmi, mitä esineitä kuvassa on, ja vähintään miljoonassa kuvassa on myös rajauslaatikot. ImageNet sisältää yli 20 000 kategoriaa!

aloittelijana hermoverkon voi aloittaa tyhjästä Kerasin tai Pytorchin avulla. Parempien tulosten ja oppimisen tason lisäämiseksi neuvon käyttämään siirtooppimista ennalta koulutettujen mallien, kuten VGG-16, Restnet-50, Googlenet jne.kautta.

suosittelen läpi alla artikkeli tietää enemmän kuvan luokittelu:

• Top 4 valmiiksi koulutetut mallit kuvien luokitteluun Python-koodilla

suosittelen myös käymään läpi alla olevia papereita kuvan luokittelun ymmärtämiseksi paremmin:

• ImageNet-luokitus syvien Convolutionaalisten neuroverkkojen kanssa
• syvempien Konvolutioiden kanssa
• syvä Jäännösoppiminen kuvantunnistusta varten

avoimen lähdekoodin Tietokonenäköhankkeet kasvontunnistusta varten

Kasvontunnistus on yksi tietokonenäön merkittävistä sovelluksista. Sitä käytetään turvallisuus, valvonta, tai lukituksen laitteita. Sen tehtävänä on tunnistaa kuvan tai videon Kasvot ennalta olemassa olevaa tietokantaa vasten. Voimme syväoppimisen keinoin oppia kasvojen piirteitä ja tunnistaa ne.

kyseessä on monivaiheinen prosessi, joka koostuu seuraavista vaiheista:

1. kasvojentunnistus: se on ensimmäinen vaihe ja siihen liittyy yhden tai useamman syöttökuvassa tai videossa esiintyvän kasvojen Paikallistaminen.
2. kasvojen tasaus: tasaus normalisoi tulopinnat geometrisesti yhdenmukaisiksi tietokannan kanssa.
3. Feature Extraction: myöhemmin poimitaan ominaisuuksia, joita voidaan käyttää tunnistustehtävässä.
4. ominaisuuksien tunnistaminen: Suorita syöteominaisuuksien sovittaminen tietokantaan.

seuraavat avoimen lähdekoodin aineistot antavat hyvän altistuksen kasvojentunnistukselle-

1. MegaFace

   MegaFace on laajamittainen Julkinen kasvojentunnistusaineisto, joka toimii yhtenä tärkeimmistä vertailukohdista kaupallisten kasvojentunnistusongelmien ratkaisemisessa. Se sisältää 4753320 Kasvot 672057 identiteettiä

2. Labeled faces in wild home

   Labeled Faces in the Wild (LFW) on kasvokuvien tietokanta, joka on suunniteltu rajoittamattoman kasvojentunnistuksen ongelman tutkimiseen. Siinä on 13 233 kuvaa 5 749 ihmisestä, jotka on havaittu ja kerätty verkosta. Lisäksi 1 680: lla kuvatuista ihmisistä on aineistossa kaksi tai useampia erillisiä kuvia.

lisäksi projektin viemiseksi pitkälle voit käyttää valmiiksi koulutettuja malleja, kuten Facenet.

Facenet on syväoppimismalli, joka tarjoaa yhtenäiset upotukset kasvojentunnistukseen, todentamiseen ja ryhmittelytehtäviin. Verkko kartoittaa jokaisen kasvokuvan euklidisessa avaruudessa siten, että samankaltaisten kuvien välinen etäisyys on pienempi.

Source

Oman kasvojentunnistusjärjestelmän tekemiseen voi helposti käyttää valmiiksi koulutettuja Facenet-malleja, joita on saatavilla Kerasissa ja Pytorchissa.

on vielä joitakin uusinta kasvojentunnistusmalleja, joita voit kokeilla. Deepface on Facebook-tutkijoiden kehittämä syvä CNN-pohjainen verkko. Se oli merkittävä virstanpylväs syväoppimisen hyödyntämisessä kasvojentunnistustehtävässä.

ymmärtääkseni paremmin kasvojentunnistusteknologian kehitystä viimeisten 30 vuoden aikana, rohkaisen teitä lukemaan kiinnostavan artikkelin nimeltä:

• Deep Face Recognition: A Survey

Open-Source Computer Vision Projects for Neural Style Transfer Using Gans

Neural style transfer on tietokonenäkötekniikka, joka luo toisen kuvan sisällön toisen kuvan tyyliin. Se on generatiivisen kontradiktorisen verkoston (Gan) sovellus. Tässä otetaan kaksi kuvaa – sisältökuva ja tyyliviitekuva ja sekoitetaan ne yhteen siten, että lähtökuva näyttää viitekuvan tyyliin maalatulta sisältökuvalta.

tämä toteutetaan optimoimalla tuotoskuvan sisältötilastot vastaamaan sisältökuvaa ja Tyylitilastot tyyliviitekuvaa.

Source

:

1. COCO-aineisto

   ” COCO on laajamittainen objektien havaitseminen, segmentointi ja tekstitysaineisto. Aineiston kuvat ovat arkisia esineitä, jotka on napattu arkisista kohtauksista. Lisäksi se tarjoaa usean kohteen merkintöjä, segmentointimaskin merkintöjä, kuvan tekstitystä ja avainpisteen tunnistusta yhteensä 81 kategoriassa, mikä tekee siitä erittäin monipuolisen ja monikäyttöisen aineiston.

2. ImageNet

   1. olemme jo maininneet tämän edellä – ImageNet on uskomattoman joustava!

jos mietit, miten toteuttaa style transfer-malli, tässä on TensorFlow-opetusohjelma, joka voi auttaa sinua. Ehdotan myös, että luet seuraavat paperit, jos haluat syventyä tekniikkaan.:

• opittu esitys taiteelliselle tyylille
• pariton Kuva-Kuvankäännös käyttäen syklisiä Kontradiktorisia verkostoja
• Kuvan Tyylinsiirto Konvolatiivisten neuroverkkojen avulla

avoimen lähdekoodin Tietokonenäköprojektit kohtauksen tekstin tunnistamiseksi

tekstin havaitseminen missä tahansa kohtauksessa on toinen erittäin mielenkiintoinen ongelma. Scene-teksti on teksti, joka näkyy kameran ottamissa kuvissa ulkoilmassa. Esimerkiksi autojen rekisterikilvet teillä, Mainostaulut tienvarsilla jne.

kohtauskuvien teksti vaihtelee muodoltaan, kirjasimeltaan, väriltään ja sijainniltaan. Kohtauksen tekstin tunnistamisessa ilmenevä komplikaatio kasvaa entisestään epäyhtenäisellä valaistuksella ja tarkennuksella.

seuraavat Suositut aineistot auttavat sinua rikastuttamaan taitojasi kohtauksen tekstin tunnistamisessa:

1. SVHN

   Street View House Numbers (SVHN) – aineisto on yksi suosituimmista avoimen lähdekoodin aineistoista. Sitä on käytetty Googlen luomissa neuroverkoissa talojen numeroiden lukemiseen ja niiden sovittamiseen geolokaatioihin. Tämä on loistava vertailutietokanta, jolla voi leikkiä, oppia ja kouluttaa malleja, jotka tunnistavat katunumerot tarkasti. Tämä aineisto sisältää yli 600k merkitty reaalimaailman kuvia talon numerot otettu Google Street View.

2. SceneText-aineisto

   scene text-aineisto koostuu 3000 eri ympäristöissä otetusta kuvasta, mukaan lukien ulko-ja sisätilakohtaukset erilaisissa valaistusolosuhteissa. Kuvat otettiin joko korkearesoluutioisella digitaalikameralla tai matalaresoluutioisella matkapuhelinkameralla. Lisäksi kaikki kuvat on muutettu kokoon 640×480.

edelleen, kohtaus tekstin tunnistus on kaksivaiheinen prosessi, joka koostuu tekstin tunnistus kuvan ja tekstin tunnistus. Tekstin havaitsemiseen löysin uusinta syväoppimismenetelmää itään (Tehokas tarkka kohtaus Tekstinpaljastin). Se voi löytää vaakasuorat ja pyörivät rajaavat laatikot. Voit käyttää sitä yhdessä minkä tahansa tekstintunnistusmenetelmän kanssa.

Tässä muutamia muita mielenkiintoisia papereita kohtauksen tekstin tunnistuksesta:

• tekstin havaitseminen luonnollisessa Kuvassa Konnektionistisella Tekstiehdotusverkolla
• COCO-Text: tietokokonaisuus ja vertailuarvo tekstin havaitsemiseksi ja tunnistamiseksi luonnollisissa kuvissa

avoimen lähdekoodin Tietokonenäköhankkeet objektin havaitsemiseksi DETR

objektin havaitsemiseksi on tehtävä ennustaa jokainen kuvassa oleva kiinnostava kohde rajauskentän ja asianmukaisten merkintöjen avulla.

muutama kuukausi sitten Facebook avasi object detection framework – DEtection TRansformer (DETR) – ohjelmansa. DETR on tehokas ja innovatiivinen ratkaisu kohteen havaitsemisongelmiin. Se virtaviivaistaa harjoitusputkea tarkastelemalla objektien havaitsemista suoranaisena ennustusongelmana. Lisäksi se hyväksyy kooderi-dekooderi arkkitehtuuri perustuu trans-formers.

to know more about DERT, here is the paper and Colab notebook.

monipuolistaa salkkuasi työstämällä seuraavia avoimen lähdekoodin tietokokonaisuuksia objektien tunnistamiseen:

1. avoimet kuvat

   avoin Kuva on ~9M kuvien aineisto, johon on liitetty kuvatason tarroja, objektin rajauslaatikoita, objektin segmentointinaamioita, visuaalisia suhteita ja lokalisoituja kertomuksia. Aineisto on jaettu koulutussarjaan (9 011 219 kuvaa), validointisarjaan (41 620 kuvaa) ja testisarjaan (125 436 kuvaa).

2. MS-COCO

   MS-COCO on suuren mittakaavan aineisto, jota käytetään yleisesti esineiden havaitsemisongelmiin. Se koostuu 330K-kuvista, joissa on 80 objektiluokkaa, joissa on 5 kuvatekstiä kuvaa kohden ja 250 000 ihmistä, joilla on avainkohdat.

voit lukea seuraavat resurssit oppia lisää objektin havaitseminen:

• askel-askeleelta Johdatus perus objektin tunnistus algoritmeja
• käytännön opas objektin tunnistus käyttäen suosittu YOLO Framework
• Facebook AI käynnistää DEtection TRansformer (Detr) – muuntaja perustuva objektin tunnistus lähestymistapa!

avoimen lähdekoodin Tietokonenäköhankkeet semanttisen segmentoinnin edistämiseksi

kun puhutaan täydellisestä skenen ymmärtämisestä tietokonenäkötekniikassa, semanttinen segmentointi tulee kuvaan. Tehtävänä on luokitella kaikki kuvan pikselit olioiden relevantteihin luokkiin.

alla on luettelo avoimen lähdekoodin tietokokonaisuuksista, joilla tätä aihetta voidaan harjoitella:

1. CamVid

   tämä tietokanta on yksi ensimmäisistä julkaistuista semanttisesti segmentoiduista aineistoista. Tätä käytetään usein (reaaliaikaisessa) semanttisen segmentoinnin tutkimuksessa. Aineisto sisältää:

   • 367 koulutusparit
   • 101 validointiparia
   • 233 testiparia

2. maailman Metropolit

   tämä aineisto on käsitelty osaotos alkuperäisistä metropoleista. Aineistossa on vielä kuvia alkuperäisistä videoista, ja semanttiset segmentointimerkinnät näkyvät kuvina alkuperäisen kuvan rinnalla. Tämä on yksi parhaista tietokokonaisuuksista semanttisen segmentoinnin tehtäviin. Siinä on 2975 koulutuskuvatiedostoa ja 500 validointikuvatiedostoa, joista kukin on 256×512 pikseliä

jos haluat lukea lisää semanttisesta segmentoinnista, suosittelen seuraavaa artikkelia:

• semanttinen segmentointi: Johdatus Google Pixelin kameran takana olevaan syväoppimisen tekniikkaan!

Tässä muutamia papereita, joiden koodina on semanttinen segmentointi:

• kooderi-dekooderi, jossa on Atrouserottuva konvoluutio semanttisen Kuvan segmentointiin
• DeepLab: Semanttisen Kuvan segmentointi syvillä Konvolutionaalisilla verkoilla, Atrous Convolutionilla ja täysin kytketyillä CRFs-järjestelmillä

avoimen lähdekoodin Tietokonenäköhankkeet Teiden Kaistanilmaisuun autonomisissa ajoneuvoissa

autonominen auto on ajoneuvo, joka kykenee aistimaan ympäristönsä ja toimimaan ilman ihmisen osallistumista. Ne luovat ja ylläpitävät ympäristöstään karttaa, joka perustuu erilaisiin antureihin, jotka sopivat ajoneuvon eri osiin.

näissä ajoneuvoissa on tutkasensorit, jotka tarkkailevat lähellä olevien ajoneuvojen sijaintia. Videokamerat havaitsevat liikennevalot, lukevat liikennemerkkejä, seuraavat muita ajoneuvoja ja Lidar (light detection and ranging) – anturit pompottavat valopulsseja auton ympäristöstä mitatakseen etäisyyksiä, havaitakseen tien reunoja ja tunnistaakseen kaistamerkinnät

Kaistanpaljastus on tärkeä osa näitä ajoneuvoja. Maantieliikenteessä kaista on osa ajorataa, jota yhden ajoneuvolinjan on määrä käyttää kuljettajien ohjaamiseen ja ohjaamiseen sekä liikennerikonfliktien vähentämiseen.

se on jännittävä projekti lisätä oman data scientist ansioluetteloon. Seuraavassa on joitakin aineistoja, joita voidaan kokeilla-

1. TUsimple

   tämä aineisto oli osa Tusimple Lane Detection Challengea. Se sisältää 3626 videoleikettä, joiden kesto on 1 sekuntia. Jokainen näistä videoleikkeistä sisältää 20 kehystä, joissa on merkintä viimeisestä kehyksestä. Se koostuu koulutus-ja testiaineistoista, joissa on 3626 videoleikettä, 3626 huomautuksella varustettua kehystä harjoitusaineistossa ja 2782 videoleikettä testausta varten.

siinä tapauksessa, etsit joitakin opetusohjelma kehittää projektin tarkista artikkeli alla-

• käytännön opetusohjelma reaaliaikaisesta Kaistantunnistuksesta OpenCV: llä (Self-Driving Car Project!)

avoimen lähdekoodin Tietokonenäköprojektit kuvien tekstitykseen

Oletko koskaan toivonut teknologiaa, joka voisi kuvatekstata sosiaalisen median kuviasi, koska sinä tai ystäväsi eivät pysty keksimään siistiä kuvatekstiä? Syväoppiminen kuvien tekstitystä varten tulee pelastukseksesi.

Kuvan tekstitys on prosessi, jossa luodaan kuvalle tekstimuotoinen kuvaus. Se on computer Visionin ja natural language Processingin (NLP) yhdistetty tehtävä.

Tietokonenäkömenetelmät auttavat piirteen ymmärtämisessä ja erottamisessa syötekuvista. Lisäksi NLP muuntaa kuvan tekstimuotoiseksi kuvaukseksi oikeassa sanajärjestyksessä.

Seuraavassa on joitakin hyödyllisiä tietokokonaisuuksia saada kädet likainen kuvan tekstitys:

1. COCO Kuvateksti

   COCO on laajamittainen objektien havaitseminen, segmentointi ja tekstitysaineisto. Se koostuu of330K-kuvista (>200k merkitty), joissa on 1,5 miljoonaa objekti-instanssia ja 80 objektiluokkaa, joille on annettu 5 kuvatekstiä per kuva.

2. Flicker 8k-aineisto

   se on kuvatekstikokoelma, joka koostuu 158 915 joukosta otetusta kuvatekstistä, jotka kuvaavat 31 783 kuvaa. Tämä on Flickr 8k-aineiston laajennus. Uudet kuvat ja kuvatekstit keskittyvät arjen askareita ja tapahtumia tekeviin ihmisiin.

jos etsit hankkeen toteuttamista, ehdotan, että katsot seuraavaa artikkelia:

• Automaattinen Kuvatekstitys Syväoppimista (CNN ja LSTM) käyttäen Pytorchissa

myös, ehdotan, että käyt läpi tämän näkyvän artikkelin kuvatekstistä.

Open-Source Computer Vision Projects for Human Pose Estimation

Human Pose Estimation on mielenkiintoinen tietokonenäön sovellus. Olet varmaan kuullut Posenetista, joka on avoimen lähdekoodin malli ihmisen pose-estimointiin. Pose-estimointi on tietokonenäkötekniikka, jolla voidaan päätellä kuvassa/videossa esiintyvän henkilön tai esineen pose.

ennen kuin keskustelemme pose-estimoinnin työskentelystä, ymmärtäkäämme ensin “ihmisen Pose-luuranko”. Se on koordinaattien joukko, jolla määritellään henkilön poseeraus. Koordinaattipari on raaja. Edelleen, aiheuttaa estimointi suoritetaan tunnistamalla, paikallistamiseen, ja seuranta keskeisiä kohtia ihmisten aiheuttaa luuranko kuvan tai videon.

lähde

Seuraavassa on joitakin aineistoja, jos haluat kehittää pose estimointimallin:

1. MPII

   MPII ihmisen Pose-tietokokonaisuus on uusinta tekniikkaa edustava vertailuarvo ihmisen artikuloidun pose-estimoinnin arvioinnissa. Aineisto sisältää noin 25k kuvia, joissa on yli 40K ihmisiä, joiden kehon nivelet on merkitty. Kaiken kaikkiaan aineisto kattaa 410 ihmisen toimintaa ja jokaisessa kuvassa on aktiivisuusmerkki.

2. HUMANEVA

HumanEva – I-aineisto sisältää 7 kalibroitua videosekvenssiä, jotka on synkronoitu 3D-kehon asentojen kanssa. Tietokanta sisältää 4 koehenkilöä, jotka suorittavat 6 yleistä toimenpidettä (esim.kävely, lenkkeily, elehtiminen jne.), jotka on jaettu koulutus -, validointi-ja testaussarjoihin.

pidin Googlen Deepposea erittäin mielenkiintoisena tutkimuspaperina, jossa käytettiin syväoppimismalleja pose-estimointiin. Lisäksi, voit käydä useita tutkimus papereita saatavilla pose estimointi ymmärtää sitä paremmin.

avoimen lähdekoodin Tietokonenäköprojektit tunteiden tunnistamiseksi Kasvonilmeiden avulla

Kasvonilmeillä on tärkeä rooli sanattomassa viestinnässä sekä henkilön tunnistamisessa. Ne ovat hyvin tärkeitä ihmisen tunteiden tunnistamisessa. Tämän vuoksi kasvonilmeitä koskevaa tietoa käytetään usein automaattisissa tunnontunnistusjärjestelmissä.

tunteiden tunnistaminen on haastava tehtävä, koska tunteet voivat vaihdella ympäristöstä, ulkonäöstä, kulttuurista ja kasvoreaktiosta riippuen, mikä johtaa monitulkintaisiin tietoihin.

kasvojentunnistusjärjestelmä on monivaiheinen prosessi, joka koostuu kasvokuvien käsittelystä, piirteiden poistosta ja luokittelusta.

lähde

alla on aineisto, jolla voit harjoitella:

1. reaalimaailman affektiiviset Kasvot-tietokanta

Real-world Affective Faces Database (Raf-DB) on laaja kasvonilmeiden tietokanta, jossa on noin 30K hyvin erilaisia kasvokuvia. Se koostuu 29672 reaalimaailman kuvasta ja 7-ulotteisesta lausekkeen jakautumisvektorista jokaiselle kuvalle,

voit lukea näitä resursseja lisätäksesi ymmärrystäsi edelleen-

• Frame attention networks for facial expression recognition in videos
• Region Attention Networks for Pose and Occlusion Robust Facial Expression Recognition

End Notes

to conclude, in this article we discovered 10 interesting computer vision projects you can implement as a beginner. Luettelo ei ole tyhjentävä. Joten jos sinusta tuntuu jäimme jotain, voit lisätä kommentteja alla!

myös, tässä listaan muutamia hyödyllisiä CV-resursseja, joiden avulla voit tutkia syväoppimisen ja Tietokonenäön maailmaa:

• tässä Oppimispolkusi Master Computer Vision 2020
• Computer Vision using Deep Learning 2.0 Course
• Certified Program: Tietokonenäkö aloittelijoille
• neuroverkkojen aloittaminen (ilmainen)

• Convolutional Neural Networks (CNN) tyhjästä (ilmainen)

kursseilla oppimassamme datatieteessä ja omatoimisessa harjoittelussa on paljon eroa kuin alalla työskentelevässä tieteessä. Suosittelisin sinua käymään läpi nämä kristallinkirkkaat ilmaiset kurssit ymmärtääksesi kaiken analytiikasta, koneoppimisesta ja tekoälystä:

1. Introduction to AI / ML Free Course/Mobile app
2. Introduction to AI | ML for Business Leaders Mobile app
3. Introduction to Business Analytics Free Course / Mobile app

toivon, että keskustelusta on hyötyä. Nyt on sinun vuorosi aloittaa tietokoneen vision toteuttaminen itse.

voit lukea tämän jutun myös Mobiilisovelluksestamme