Uygulamada Yüz Tanıma: 21 Adım

2025 Yazar: John Day | [email protected]. Son düzenleme: 2025-01-23 15:13

Bu benim çok büyülendiğim, uykumu kaçıran bir konu: Bilgisayarla Görme, önceden eğitilmiş bir model aracılığıyla nesnelerin ve insanların tespiti.

Adım 1: Giriş

Bir uygulamayı çalıştırmak ve projeyi çalıştırmak için YoloV3 algoritmasını kullanacağız.

15 yıl önce sinir ağı ile çalıştım ve o zamanlar mevcut kaynaklar göz önüne alındığında bunların “zor” zamanlar olduğunu söyleyebilirim.

2. Adım: Kullanılan Kaynaklar

· Logitech C270 kamera

· bilgisayar

· NVIDIA GeForce GTX 1660

Aşama 3:

4. Adım: Önkoşullar

Derin sinir ağlarını (DNN) çalıştırmak için bir GPU ile paralel hesaplama kullanmak gerekir.

Bu yüzden NVIDIA'dan güçlü bir ekran kartına ihtiyacınız olacak ve algoritmayı CUDA API'sini (GPU sanal komut seti) kullanarak çalıştıracaksınız.

Algoritmayı çalıştırmak için önce aşağıdaki paketlerin kurulu olması gerekir:

- NVIDIA Ekran Kartı Sürücüsü

- CUDA

- CUDNN (CUDA Derin Sinir Ağı Kütüphanesi)

- OpenCV

Adım 5: Bilgisayar Gereksinimleri

6. Adım: YOLO'yu Kurun

Önceden eğitilmiş bir model kullanarak algılama

Terminali açın ve yukarıdaki komutları girin.

7. Adım: MakeFile'ı Değiştirin

GPU, CUDNN ve OpenCV işlemeyi kullanacağımız için “MakeFile” dosyasını yukarıdaki şekilde olduğu gibi değiştirin. Değiştirdikten sonra 'make' komutunu çalıştırın.

8. Adım: Tamamlanmasını Bekleyin

Adım 7'deki 'make' komutu, algoritmalar tarafından kullanılmak üzere her şeyi derler ve çalışması biraz zaman alır.

9. Adım: Gereksinimleri Karşılamayan Bilgisayarlar İçin

Bilgisayarınız ve ekran kartınız o kadar güçlü değilse veya daha iyi performans istiyorsanız, 'cfg /yolov3.cfg' dosyasını değiştirin.

Bu projede yukarıdaki konfigürasyon kullanılmıştır.

Adım 10: YOLO V3

Algılama sistemleri tipik olarak modeli bir görüntüye birkaç farklı konum ve ölçekte uygular.

YOLO, görüntünün tamamına tek bir sinir ağı uygular. Bu ağ, görüntüyü bölgelere ayırır ve her bölge için sınırlayıcı kutular ve olasılıklar sağlar.

YOLO'nun çeşitli avantajları vardır. Görüntüyü bir bütün olarak görür, dolayısıyla tahminleri görüntüdeki küresel bağlam tarafından üretilir.

Tek bir görüntü için binlerce değerlendirme yapan R-CNN'den farklı olarak tek bir ağ değerlendirmesi ile tahminler yapar.

R-CNN'den 1000 kata kadar ve Fast R-CNN'den 100 kata kadar daha hızlıdır.

Adım 11: YOLO'yu Çalıştırmak

YOLO'yu çalıştırmak için "darknet" klasöründeki terminali açın ve bir komut girin.

YOLO'yu 4 şekilde çalıştırabilirsiniz:

· Görüntü

· Birden fazla resim

· Akış (Web kamerası)

· video

Adım 12: YOLO V3 - Resim

İstediğiniz görüntüyü darknet içindeki “data” klasörüne yerleştirin ve ardından görüntü adını değiştirerek yukarıdaki komutu çalıştırın.

Adım 13: YOLO V3 - Giriş Resmi

Adım 14: YOLO V3 - Çıktı Görüntüsü

Adım 15: YOLO V3 - Birden Çok Görüntü

Görüntüleri bir klasöre yerleştirin ve görüntü yolunu sağlamak yerine boş bırakın ve yukarıda (solda) gördüğünüz gibi komutu çalıştırın.

Bundan sonra, sağdaki şekil gibi bir şey görünecektir, sadece görüntü yolunu yerleştirin ve “enter” a tıklayın ve birkaç görüntü için bu adımları tekrarlayın.

Adım 16: YOLO V3 - Web Kamerası

Yukarıdaki komutu çalıştırın ve ağı yükledikten sonra web kamerası görünecektir.

Adım 17: YOLO V3 - Video

İstediğiniz videoyu darknet içindeki “data” klasörüne yerleştirin ve ardından video adını değiştirerek yukarıdaki komutu çalıştırın.

Adım 18: YOLO V3 - EXPO3D Video 1

Adım 19: YOLO V3 - Video EXPO3D 2

Adım 20: YOLO V3 - Video EXPO3D 3

Adım 21: İndirilecek PDF

PDF İNDİR (Brezilya Portekizcesi)