数据库软件_海外_香港高速云主机

云存储服务 虚拟云 浏览

小编:EHS中的人工智能-使用Tensorflow目标检测的PPE检测-第1部分 将人工智能引入环境健康和安全领域,使EHS成为真正更安全的环境。 在本博客中,我们将使用Tensorflow目标检测并训练我们自己

EHS中的人工智能-使用Tensorflow目标检测的PPE检测-第1部分

将人工智能引入环境健康和安全领域,数据库云,使EHS成为真正更安全的环境。

在本博客中,我们将使用Tensorflow目标检测并训练我们自己的自定义数据集。

问题陈述:

发布Covid,公司希望确保所有员工在公司内穿戴个人防护装备(例如-在本场景中:面罩),并确保员工在执行任何工作(如高空作业、焊接等)前正确穿戴个人防护装备

解决方案:

使用人工智能-计算机视觉-深度学习,我们可以使用自己的自定义数据集创建一个模型识别丢失的PPE并通过SAP收件箱向HSE经理发送警报通知。

为此,我们将使用tensorflow培训我们的模型。

软件要求:

检查此处并检查Python、Anaconda、cuDNN的正确版本,和CUDA.

您可以在这里查看如何安装CUDA和cuDNN

构建目标检测的过程:

请观看YouTube视频,云分销软件,其中解释了安装Anaconda、CUDA和cuDNN的过程。在这个场景中,我们将使用TensorFlow–GPU v1.15,您可以在此表中检查您的版本并安装相应的组件。我们将使用Cuda 9.0和cuDNN 7.0,服务器百度云,因为它更稳定。

通过下面的命令设置路径–

(注意:每次退出"tensorflow1"虚拟环境时,PYTHONPATH变量都会重置,需要重新设置

现在创建protobufs并运行安装程序,在研究文件夹中运行下面的命令–

运行下面的命令–

从这里或通过命令下载LabelImg工具–Pip install LabelImg And open from Start window–Select your directory And label the images as"PPE–Mask Detected"

对于这个场景,我们已经下载了近350个图像,快云数据库,并对每个图像进行了标记图像

样本图像

标签工具

一旦您标记并保存了所有图像,它将为每个图像创建一个xml文件。

将图像分为两部分,第一部分用于培训,第二部分用于测试。

在图像中创建两个文件夹,将20%的标签图像放在测试文件夹中,云服务器英国,其余80%放在train文件夹中。

将标记的xml文件从下面的命令转换为CSV格式–

打开生成_tfrecord.py文件归档并用您自己的标签替换第31行–在我们的场景中,它将是"PPE–Mask Detected"

然后在Object\u Detection文件夹中运行以下两个命令–

创建新的LabelMap.pbtxt文件将其归档并保存在training文件夹中–例如–

现在我们需要在我们的SSD型号的配置文件–SSD\u mobilenet\u v1\u coco

打开示例文件夹–config并打开我们的文件–SSD\u mobile\u v1\u coco文件并执行以下更改–

在Object\u detection文件夹中运行以下命令–

这将开始使用您的系统GPU并训练型号–运行大约5-6小时,直到您的丢失时间低于0.05.

检查损失时间低于0.05后,点击Ctrl+C终止程序并运行以下命令–

将对象检测网络摄像头类替换为1,并使用命令运行文件–运行任何脚本,在Anaconda命令提示符中键入"idle"(激活"tensorflow1"虚拟环境),然后按ENTER键。这将打开空闲,从那里,你可以打开任何脚本,并运行它们

样本图像从网络摄像头

样本图像从网络摄像头

在下一个博客将看到我们如何触发这个检测警报通知SAP内

当前网址:http://www.vmchk.com/tutorials/51978.html

 
你可能喜欢的: