تشخیص اشیاء با استفاده از Raspberry Pi B+ 2014 - قسمت دوم

ARM – توصیه شده – رزبری پای – هوش مصنوعی

۱۴۰۰-۰۳-۲۵

3 دقیقه

در قسمت اول دیدیم چجوری میشه تنسورفلو لایت پایتون (TensorFlow Lite Python) رو برای رزبری مدل Raspberry Pi B+ 2014 بیلد بگیریم و نصب کنیم.

در این قسمت میخوایم با استفاده از نمونه کدهای تنسورفلو به همراه کمی دستکاری، اشیاء رو از طریق دوربین یا تک-تصویر تشخیص بدیم.

بزن بریم!

در مرحله اول باید نمونه کدهای تنسورفلو رو کلون کنیم و وارد پوشه مورد نظر بشیم:

git clone https://github.com/tensorflow/examples --depth 1

cd examples/lite/examples/object_detection/raspberry_pi

git clone https://github.com/tensorflow/examples --depth 1

cd examples/lite/examples/object_detection/raspberry_pi

در مرحله دوم باید پیش نیازها رو نصب کنیم و مدلهای مورد نیاز رو دانلود کنیم که با این دستور انجام میشه:

bash download.sh .

1	bash download.sh .

در ادامه میتونیم کد رو تست کنیم (دقت کنید که باید دوربین رزبری رو نصب و فعال کرده باشید):

python3 detect_picamera.py --model detect.tflite --labels coco_labels.txt

1	python3 detect_picamera.py --model detect.tflite --labels coco_labels.txt

دوربین رو به هر طرفی بگیرید و ببینید مدل هوش مصنوعی چه اشیائی رو تشخیص میده؟

تشخیص اشیاء در یک تصویر

کد نمونه تنسورفلو فقط با دوربین کار میکنه و برای اینکه بتونیم روی یک تصویر امتحانش کنیم باید تغییراتی رو در کد اعمال کنیم، برای این کار اول باید کتابخانه OpenCV رو برای پایتون نصب کنیم تا با استفاده از اون، تصویر رو بخونیم، داخلش نقاشی کنیم و نمایشش بدیم:

pip3 install opencv-python

1	pip3 install opencv-python

شاید برای شما مفید باشد: آموزش رزبری پای از 0 تا 100 از مقدماتی تا پیشرفته

این کتابخانه یک سری پیش نیاز داره که روی سیستم عامل رزبری شما باید نصب باشه، مثلا اگه خطا داد که نمیتونه libcblas.so رو پیدا کنه، باید کتابخانه زیر رو نصب کنید:

sudo apt install libatlas-base-dev

1	sudo apt install libatlas-base-dev

این لینک میتونه در خطایابی نصب OpenCV به شما کمک کنه.

کتابخانه imutils رو هم برای تغییر سایز تصویر نیاز داریم:

pip3 install imutils

1	pip3 install imutils

ویدئو

ویدیو اینکه چطوری این کار رو انجام میدیم رو، اینجا می تونید ببینید:

سورس کد کامل

سورس کد کامل main.py:

# python3
#
# Copyright 2021 Ali EP. All Rights Reserved.
#
# Licensed under the Apache License, Version 2.0 (the "License");
# you may not use this file except in compliance with the License.
# You may obtain a copy of the License at
#
#     https://www.apache.org/licenses/LICENSE-2.0
#
# Unless required by applicable law or agreed to in writing, software
# distributed under the License is distributed on an "AS IS" BASIS,
# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
# See the License for the specific language governing permissions and
# limitations under the License.
"""Example using TF Lite to detect objects with the Raspberry Pi camera."""

from __future__ import absolute_import
from __future__ import division
from __future__ import print_function

import argparse
import io
import re
import time

import numpy as np
import cv2
import imutils

from tflite_runtime.interpreter import Interpreter


def load_labels(path):
  """Loads the labels file. Supports files with or without index numbers."""
  with open(path, 'r', encoding='utf-8') as f:
    lines = f.readlines()
    labels = {}
    for row_number, content in enumerate(lines):
      pair = re.split(r'[:\s]+', content.strip(), maxsplit=1)
      if len(pair) == 2 and pair[0].strip().isdigit():
        labels[int(pair[0])] = pair[1].strip()
      else:
        labels[row_number] = pair[0].strip()
  return labels


def set_input_tensor(interpreter, image):
  """Sets the input tensor."""
  tensor_index = interpreter.get_input_details()[0]['index']
  input_tensor = interpreter.tensor(tensor_index)()[0]
  input_tensor[:, :] = image


def get_output_tensor(interpreter, index):
  """Returns the output tensor at the given index."""
  output_details = interpreter.get_output_details()[index]
  tensor = np.squeeze(interpreter.get_tensor(output_details['index']))
  return tensor


def detect_objects(interpreter, image, threshold):
  """Returns a list of detection results, each a dictionary of object info."""
  set_input_tensor(interpreter, image)
  interpreter.invoke()

  # Get all output details
  boxes = get_output_tensor(interpreter, 0)
  classes = get_output_tensor(interpreter, 1)
  scores = get_output_tensor(interpreter, 2)
  count = int(get_output_tensor(interpreter, 3))

  results = []
  for i in range(count):
    if scores[i] >= threshold:
      result = {
          'bounding_box': boxes[i],
          'class_id': classes[i],
          'score': scores[i]
      }
      results.append(result)
  return results


def annotate_objects(image, results, labels, w, h):
  """Draws the bounding box and label for each object in the results."""
  for obj in results:
    if obj['score'] < 0.6:
        continue
    # Convert the bounding box figures from relative coordinates
    # to absolute coordinates based on the original resolution
    ymin, xmin, ymax, xmax = obj['bounding_box']
    xmin = int(xmin * w)
    xmax = int(xmax * w)
    ymin = int(ymin * h)
    ymax = int(ymax * h)

    # Overlay the box, label, and score on the camera preview
    cv2.rectangle(image, (xmin, ymin), (xmax, ymax), (0, 0, 255), 2)
    lbl = '%s %.2f' % (labels[obj['class_id']], obj['score'])
    cv2.putText(image, lbl, (xmin, ymin),
		cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 255), 2)


def main():
  parser = argparse.ArgumentParser(
      formatter_class=argparse.ArgumentDefaultsHelpFormatter)
  parser.add_argument(
      '--model', help='File path of .tflite file.', required=True)
  parser.add_argument(
      '--labels', help='File path of labels file.', required=True)
  parser.add_argument(
      '--threshold',
      help='Score threshold for detected objects.',
      required=False,
      type=float,
      default=0.4)
  args = parser.parse_args()

  labels = load_labels(args.labels)
  interpreter = Interpreter(args.model)
  interpreter.allocate_tensors()
  _, input_height, input_width, _ = interpreter.get_input_details()[0]['shape']

  image = cv2.imread("cats-n-dogs-3.jpg")
  image = imutils.resize(image, width=input_width, height=input_height)
  image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
  start_time = time.monotonic()
  results = detect_objects(interpreter, image, args.threshold)
  elapsed_ms = (time.monotonic() - start_time) * 1000

  annotate_objects(image, results, labels, input_width, input_height)
  cv2.putText(image, '%.1fms' % (elapsed_ms), (8, 20),
		cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 255), 2)
  
  image = cv2.cvtColor(image, cv2.COLOR_RGB2BGR)
  cv2.imshow("Output", image)
  cv2.waitKey(0)


if __name__ == '__main__':
  main()

100

101

102

103

104

105

106

107

108

109

110

111

112

113

114

115

116

117

118

119

120

121

122

123

124

125

126

127

128

129

130

131

132

133

134

135

136

137

138

139

140

141

142

# python3

# Licensed under the Apache License, Version 2.0 (the "License");

# you may not use this file except in compliance with the License.

# You may obtain a copy of the License at

# https://www.apache.org/licenses/LICENSE-2.0

# Unless required by applicable law or agreed to in writing, software

# distributed under the License is distributed on an "AS IS" BASIS,

# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.

# See the License for the specific language governing permissions and

# limitations under the License.

"""Example using TF Lite to detect objects with the Raspberry Pi camera."""

from __future__ import absolute_import

from __future__ import division

from __future__ import print_function

import argparse

import io

import re

import time

import numpy as np

import cv2

import imutils

from tflite_runtime.interpreter import Interpreter

def load_labels(path):

"""Loads the labels file. Supports files with or without index numbers."""

with open(path, 'r', encoding='utf-8') as f:

lines = f.readlines()

labels = {}

for row_number, content in enumerate(lines):

pair = re.split(r'[:\s]+', content.strip(), maxsplit=1)

if len(pair) == 2 and pair[0].strip().isdigit():

labels[int(pair[0])] = pair[1].strip()

else:

labels[row_number] = pair[0].strip()

return labels

def set_input_tensor(interpreter, image):

"""Sets the input tensor."""

tensor_index = interpreter.get_input_details()[0]['index']

input_tensor = interpreter.tensor(tensor_index)()[0]

input_tensor[:, :] = image

def get_output_tensor(interpreter, index):

"""Returns the output tensor at the given index."""

output_details = interpreter.get_output_details()[index]

tensor = np.squeeze(interpreter.get_tensor(output_details['index']))

return tensor

def detect_objects(interpreter, image, threshold):

"""Returns a list of detection results, each a dictionary of object info."""

set_input_tensor(interpreter, image)

interpreter.invoke()

# Get all output details

boxes = get_output_tensor(interpreter, 0)

classes = get_output_tensor(interpreter, 1)

scores = get_output_tensor(interpreter, 2)

count = int(get_output_tensor(interpreter, 3))

results = []

for i in range(count):

if scores[i] >= threshold:

result = {

'bounding_box': boxes[i],

'class_id': classes[i],

'score': scores[i]

}

results.append(result)

return results

def annotate_objects(image, results, labels, w, h):

"""Draws the bounding box and label for each object in the results."""

for obj in results:

if obj['score'] < 0.6:

continue

# Convert the bounding box figures from relative coordinates

# to absolute coordinates based on the original resolution

ymin, xmin, ymax, xmax = obj['bounding_box']

xmin = int(xmin * w)

xmax = int(xmax * w)

ymin = int(ymin * h)

ymax = int(ymax * h)

# Overlay the box, label, and score on the camera preview

cv2.rectangle(image, (xmin, ymin), (xmax, ymax), (0, 0, 255), 2)

lbl = '%s %.2f' % (labels[obj['class_id']], obj['score'])

cv2.putText(image, lbl, (xmin, ymin),

cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 255), 2)

def main():

parser = argparse.ArgumentParser(

formatter_class=argparse.ArgumentDefaultsHelpFormatter)

parser.add_argument(

'--model', help='File path of .tflite file.', required=True)

parser.add_argument(

'--labels', help='File path of labels file.', required=True)

parser.add_argument(

'--threshold',

help='Score threshold for detected objects.',

required=False,

type=float,

default=0.4)

args = parser.parse_args()

labels = load_labels(args.labels)

interpreter = Interpreter(args.model)

interpreter.allocate_tensors()

_, input_height, input_width, _ = interpreter.get_input_details()[0]['shape']

image = cv2.imread("cats-n-dogs-3.jpg")

image = imutils.resize(image, width=input_width, height=input_height)

image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)

start_time = time.monotonic()

results = detect_objects(interpreter, image, args.threshold)

elapsed_ms = (time.monotonic() - start_time) * 1000

annotate_objects(image, results, labels, input_width, input_height)

cv2.putText(image, '%.1fms' % (elapsed_ms), (8, 20),

cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 255), 2)

image = cv2.cvtColor(image, cv2.COLOR_RGB2BGR)

cv2.imshow("Output", image)

cv2.waitKey(0)

if __name__ == '__main__':

main()

اطلاعات

لینک و اشتراک

تشخیص اشیاء با استفاده از Raspberry Pi B+ 2014 - قسمت دوم

بزن بریم!

تشخیص اشیاء در یک تصویر

ویدئو

سورس کد کامل

علی اشتهاری پور

پالت | بازار خرید و فروش قطعات الکترونیک

آیسی | موتور جستجوی قطعات الکترونیک

فروشگاه سیسوگ

سیسوگ فروم | محلی برای پاسخ پرسش‌های شما

نویسنده شو !

نویسنده شو !

پالت | بازار خرید و فروش قطعات الکترونیک

آیسی | موتور جستجوی قطعات الکترونیک

فروشگاه سیسوگ

سیسوگ فروم | محلی برای پاسخ پرسش‌های شما

دیدگاه ها

نویسنده شو !

نویسنده شو !

آموزش ها

منو و لینک‌ها

تشخیص اشیاء با استفاده از Raspberry Pi B+ 2014 - قسمت دوم

بزن بریم!

تشخیص اشیاء در یک تصویر

ویدئو

سورس کد کامل

شاید برای شما مفید باشد

آمپلی فایر با LM386

کار با ماژول تمام عیار...

نحوه تولید شکل موج‌های مختلف...

علی اشتهاری پور

پالت | بازار خرید و فروش قطعات الکترونیک

آیسی | موتور جستجوی قطعات الکترونیک

فروشگاه سیسوگ

سیسوگ فروم | محلی برای پاسخ پرسش‌های شما

نویسنده شو !

نویسنده شو !

پالت | بازار خرید و فروش قطعات الکترونیک

آیسی | موتور جستجوی قطعات الکترونیک

فروشگاه سیسوگ

سیسوگ فروم | محلی برای پاسخ پرسش‌های شما

دیدگاه ها

نویسنده شو !

نویسنده شو !

آموزش ها

منو و لینک‌ها

شبکه‌های اجتماعی