電子發(fā)燒友網(wǎng)>電子資料下載>電子資料>使用Teachable Machine和Python輕松進(jìn)行對(duì)象檢測(cè)

使用Teachable Machine和Python輕松進(jìn)行對(duì)象檢測(cè)

1856881 2023-06-27 | zip | 0.00 MB | 次下載 | 免費(fèi)

資料介紹

描述

Te achable Machine 是一種創(chuàng)建機(jī)器學(xué)習(xí)模型的簡(jiǎn)單但強(qiáng)大的工具。它允許輕松捕獲數(shù)據(jù)以創(chuàng)建訓(xùn)練數(shù)據(jù)集，并使用最先進(jìn)的算法在您的瀏覽器中訓(xùn)練機(jī)器學(xué)習(xí)模型。它是在一個(gè)非常直觀的網(wǎng)絡(luò)界面中完成的。您可以生成圖像、聲音或姿勢(shì)檢測(cè)模型。在這個(gè)項(xiàng)目中，我將為您提供設(shè)置 OpenCV/TensorFlow Python 開(kāi)發(fā)環(huán)境和 Python 腳本框架的分步指南，以便輕松地將 Teachable Machine 圖像模型整合到您的項(xiàng)目中。

該項(xiàng)目的目標(biāo)是大大降低使用機(jī)器學(xué)習(xí)的準(zhǔn)入門(mén)檻。本教程應(yīng)該為您提供制作一些令人興奮的機(jī)器學(xué)習(xí)項(xiàng)目所需的工具。希望以后能用這個(gè)開(kāi)發(fā)環(huán)境和框架做一些更有趣的教程和demo。

您可以跟隨并生成自己的模型，也可以使用我生成的 Teachable Machine 模型。我提供的模型可以檢測(cè)您的 La Croix 風(fēng)味。

該項(xiàng)目的 Github 存儲(chǔ)庫(kù)：https ://github.com/mjdargen/Teachable-Machine-Object-Detection

編輯：我現(xiàn)在創(chuàng)建了一個(gè)在 Raspberry Pi 上設(shè)置相同環(huán)境的版本：https ://www.hackster.io/mjdargen/easy-object-detection-on-rpi-la-croix-flavor-detector-93f0a4

補(bǔ)給品：

計(jì)算機(jī)（在 Windows 10、Ubuntu 18.04、MacOS High Sierra 10.13 中測(cè)試）
Python 3（經(jīng)過(guò)測(cè)試的 Python 3.6 和 Python 3.7）
攝像頭

第 1 步：使用可教機(jī)器生成模型

1 / 5

設(shè)置項(xiàng)目

Teachable Machine 是一款非常易于使用的工具，具有非常直觀的界面。對(duì)于這個(gè)項(xiàng)目，我們將使用圖像檢測(cè)。轉(zhuǎn)到https://teachablemachine.withgoogle.com/并單擊開(kāi)始。現(xiàn)在選擇圖像項(xiàng)目。這將打開(kāi)圖像模型訓(xùn)練窗口。

創(chuàng)建數(shù)據(jù)集

您將添加并命名要訓(xùn)練模型以檢測(cè)的類(lèi)（即對(duì)象）。用直觀的名稱很好地命名類(lèi)。類(lèi)的名稱是稍后程序在該對(duì)象出現(xiàn)在框架中時(shí)調(diào)用的名稱。

做一個(gè)“背景”類(lèi)是個(gè)好主意。這可以幫助訓(xùn)練模型不將來(lái)自背景的細(xì)節(jié)歸因于其他類(lèi)之一。如果你將這個(gè)類(lèi)命名為“Background”，最終的程序，它使用文本到語(yǔ)音來(lái)說(shuō)出框架中對(duì)象的名稱，將忽略背景類(lèi)并且不會(huì)在每次它只是背景時(shí)調(diào)用“背景”在框架中。

要將圖像示例添加到課程中，您可以使用網(wǎng)絡(luò)攝像頭在 Teachable Machine 中捕獲圖像或從其他來(lái)源上傳圖像。為了生成模型，您需要大量高質(zhì)量的數(shù)據(jù)。你可以在我的“La Croix Flavor Detector Model”示例中看到，每個(gè)類(lèi)我有不少于 600 個(gè)樣本。我使用網(wǎng)絡(luò)攝像頭快速捕獲了許多不同的樣本。我確保在具有各種背景的不同照明條件下從各個(gè)角度捕捉對(duì)象，以生成準(zhǔn)確的模型。

訓(xùn)練模型

設(shè)置好所有類(lèi)并對(duì)數(shù)據(jù)集感到滿意后，就該訓(xùn)練模型了！點(diǎn)擊“火車(chē)模型”按鈕。為了訓(xùn)練模型，您必須在瀏覽器中打開(kāi)該選項(xiàng)卡。訓(xùn)練模型可能需要一段時(shí)間。在這個(gè)項(xiàng)目中，我有 7 個(gè)班級(jí)，超過(guò) 600 個(gè)樣本，訓(xùn)練大約需要 20 分鐘。您的瀏覽器可能偶爾會(huì)抱怨“可教機(jī)器”選項(xiàng)卡會(huì)降低您的瀏覽器速度。只需確認(rèn)通知并說(shuō)沒(méi)關(guān)系，這樣您的瀏覽器就不會(huì)取消培訓(xùn)（不同的瀏覽器對(duì)此通知的措辭不同）。完成后，就該測(cè)試您的模型了！

預(yù)覽模型

現(xiàn)在是時(shí)候測(cè)試你的訓(xùn)練模型了，看看它的效果如何！轉(zhuǎn)到“預(yù)覽”窗格并打開(kāi)輸入。將各種對(duì)象呈現(xiàn)給網(wǎng)絡(luò)攝像頭，并查看模型是否準(zhǔn)確猜測(cè)幀中的對(duì)象。請(qǐng)記住，模型無(wú)法檢測(cè)到多個(gè)對(duì)象，除非您為兩個(gè)對(duì)象存在時(shí)創(chuàng)建了一個(gè)類(lèi)。如果效果不佳，請(qǐng)嘗試為模型提供更多照片。如果您滿意，是時(shí)候?qū)С瞿Ｐ土耍?/font>

導(dǎo)出模型

要導(dǎo)出模型，請(qǐng)單擊“導(dǎo)出模型”按鈕。將彈出一個(gè)新窗口。點(diǎn)擊“Tensorflow”選項(xiàng)卡，選擇“Keras”模型轉(zhuǎn)換類(lèi)型。現(xiàn)在單擊“下載我的模型”。壓縮模型并準(zhǔn)備下載可能需要大約一分鐘左右的時(shí)間。您應(yīng)該會(huì)看到一個(gè)彈出窗口，要求您保存一個(gè) zip 文件。保存文件并解壓縮。您應(yīng)該會(huì)看到一個(gè)“keras_model.h5”文件和一個(gè)“l(fā)abels.txt”文件。堅(jiān)持這些，一旦您在計(jì)算機(jī)上設(shè)置了 Python 環(huán)境，我們就會(huì)使用它們！

第 2 步：安裝 Python 3 和 Git

Python 3 安裝和設(shè)置

如果您的機(jī)器上尚未安裝 Python 3，您需要做的第一件事是安裝它。轉(zhuǎn)到https://www.python.org/downloads/并為您的操作系統(tǒng)下載并運(yùn)行正確的安裝。我已經(jīng)在 Python 3.6 和 Python 3.7 中測(cè)試了這個(gè)開(kāi)發(fā)環(huán)境，一切似乎都正常工作。然而，Python 3.8 似乎還沒(méi)有完全支持其中一些庫(kù)。我建議為您的環(huán)境安裝最新版本的 Python 3.7。在安裝過(guò)程中，確保選中復(fù)選框以將 Python 添加到路徑。

完全安裝 Python 并將 Python 添加到 Path 后，打開(kāi)終端或命令提示符并輸入“python --version”，然后輸入“python3 --version”。這很重要，因?yàn)槲覀兿胫馈皃ython”或“python3”命令是否映射到您的 Python 3 安裝。您需要知道這一點(diǎn)才能運(yùn)行您的 Python 腳本、安裝新的 Python 包等。如果沒(méi)有可執(zhí)行文件映射到 python 或 python3，請(qǐng)查找將環(huán)境變量添加到您的操作系統(tǒng)的路徑。

在上圖中的第一個(gè)示例中，您可以看到“python”調(diào)用 Python 3，而“python3”沒(méi)有調(diào)用任何內(nèi)容。在圖像的第二個(gè)示例中，“python3”調(diào)用您的 Python 3 安裝。這是因?yàn)橛幸粋€(gè) Python 2 安裝映射到第二個(gè)示例中的“python”命令。

Git 項(xiàng)目文件

現(xiàn)在您需要從我的 Github 存儲(chǔ)庫(kù)中檢索安裝文件、機(jī)器學(xué)習(xí)模型和演示 Python 程序。您可以安裝 git 客戶端并克隆存儲(chǔ)庫(kù)，也可以從瀏覽器下載存儲(chǔ)庫(kù)的 zip 文件。

https://github.com/mjdargen/Teachable-Machine-Object-Detection

git clone https://github.com/mjdargen/RPi-La-Croix-Flavor-Detector

第 3 步：設(shè)置 Python 環(huán)境：OpenCV 和 TensorFlow

1 / 2

我已經(jīng)編寫(xiě)了安裝腳本來(lái)簡(jiǎn)化這個(gè)開(kāi)發(fā)環(huán)境的安裝過(guò)程。上面列出了安裝腳本。只需為您的操作系統(tǒng)選擇適當(dāng)?shù)哪_本。

我現(xiàn)在在這里創(chuàng)建了一個(gè)在Raspberry Pi上設(shè)置相同環(huán)境的版本：https ://www.hackster.io/mjdargen/easy-object-detection-on-rpi-la-croix-flavor-detector-93f0a4

Windows 安裝

假設(shè)您已安裝 Python 3。
假設(shè)您的 Python 3 可執(zhí)行文件是使用“python”調(diào)用的。如果不是這種情況，您將需要編輯批處理腳本并將“python”命令的每個(gè)實(shí)例替換為“python3”。
從 Powershell 運(yùn)行批處理腳本：“./installation_scripts/windows_install.bat”（不要以管理員身份運(yùn)行）。
可能需要約 30 分鐘或更長(zhǎng)時(shí)間，具體取決于您的系統(tǒng)和互聯(lián)網(wǎng)連接。

Mac 安裝

假設(shè)您已安裝 Python 3。
假設(shè)您的 Python 3 可執(zhí)行文件是使用“python3”調(diào)用的。如果不是這種情況，您將需要編輯 shell 腳本并將“python3”命令的每個(gè)實(shí)例替換為“python”。
導(dǎo)航到終端中存儲(chǔ)庫(kù)的文件夾。
您需要通過(guò)運(yùn)行以下命令使腳本可執(zhí)行：“sudo chmod +x./installation_scripts/mac_install.sh”
使用以下命令運(yùn)行 shell 腳本：“./installation_scripts/mac_install.sh”。
此安裝腳本還安裝Homebrew 包管理器。
可能需要約 30 分鐘或更長(zhǎng)時(shí)間，具體取決于您的系統(tǒng)和互聯(lián)網(wǎng)連接。

Linux 安裝

假設(shè)您已安裝 Python 3。
假設(shè)您的 Python 3 可執(zhí)行文件是使用“python3”調(diào)用的。如果不是這種情況，您將需要編輯 shell 腳本并將“python3”命令的每個(gè)實(shí)例替換為“python”。
導(dǎo)航到終端中存儲(chǔ)庫(kù)的文件夾。
您需要通過(guò)運(yùn)行以下命令使腳本可執(zhí)行：“sudo chmod +x./installation_scripts/linux_install.sh”
使用以下命令運(yùn)行 shell 腳本：“./installation_scripts/inux_install.sh”。
可能需要約 30 分鐘或更長(zhǎng)時(shí)間，具體取決于您的系統(tǒng)和互聯(lián)網(wǎng)連接。

使用 Python 虛擬環(huán)境

如果安裝腳本成功執(zhí)行，您現(xiàn)在已經(jīng)安裝了所有必要的依賴項(xiàng)，以便在您機(jī)器上的 Python 虛擬環(huán)境中運(yùn)行 OpenCV 和 Tensorflow。虛擬環(huán)境稱為 TMenv，位于克隆存儲(chǔ)庫(kù)的頂層目錄中，標(biāo)題為“Teachable-Machine-Object-Detection”。

Python 包安裝在虛擬環(huán)境中，以免破壞與 Python 的主要安裝相關(guān)的包，以防您有其他程序依賴于特定版本的包。

要使用您安裝的軟件包來(lái)運(yùn)行演示，您需要激活您的虛擬環(huán)境。

Mac/Linux：“源 TMenv\bin\activate”
Windows：“TMenv\Scripts\activate”

激活環(huán)境后，它將在終端提示之前的括號(hào)中顯示虛擬環(huán)境的名稱。此時(shí)您所做的與 Python 相關(guān)的任何操作都只會(huì)影響您的 TMenv 虛擬環(huán)境。您現(xiàn)在可以在虛擬環(huán)境中運(yùn)行 Python 腳本。要退出您的虛擬環(huán)境，只需運(yùn)行命令“deactivate”。

第 4 步：OpenCV 常見(jiàn)對(duì)象檢測(cè)測(cè)試

。您需要注釋掉“cv2.imshow”和“cv2.waitKey”行。該程序?qū)?biāo)記它識(shí)別的對(duì)象，并將使用文本到語(yǔ)音來(lái)說(shuō)出對(duì)象的名稱。

cd ~/Documents/Teachable-Machine-Object-Detection     	# change directory to cloned repo
source TMenv/bin/activate  		# activate venv for Mac/Linux OR
TMenv/Scripts/activate			# activate venv for Windows
python tm_obj_det.py			# executes script, press ctrl+c to quit
deactivate				# to exit the virtual environment

注意：Python 腳本將永遠(yuǎn)運(yùn)行，直到您按 ctrl+c 關(guān)閉程序。

第 7 步：混音！

這些安裝在你的虛擬環(huán)境中的包和我提供的腳本應(yīng)該會(huì)給你一個(gè)有用的框架來(lái)開(kāi)發(fā)很多令人興奮的東西。您現(xiàn)在可以輕松地將對(duì)象檢測(cè)整合到您的所有項(xiàng)目中！我希望繼續(xù)在這個(gè)領(lǐng)域做更多的項(xiàng)目，以制作一些使用圖像檢測(cè)和利用這個(gè)框架的更有趣的項(xiàng)目。

這里有一些項(xiàng)目想法。隨意帶他們一起跑，或者想出你自己的！

一個(gè)程序來(lái)識(shí)別你的朋友并在他們來(lái)到你家時(shí)用名字打招呼。
一個(gè)程序，用于檢測(cè)您何時(shí)離開(kāi)家，并要求您出示手機(jī)、鑰匙、錢(qián)包等，以確保您在離開(kāi)家時(shí)擁有一切。
構(gòu)建一個(gè)分揀機(jī)，該分揀機(jī)使用電機(jī)根據(jù)對(duì)象的特定方向?qū)?duì)象轉(zhuǎn)移到特定方向。
一個(gè)程序，它將檢測(cè)手語(yǔ)中的字母并將其寫(xiě)入文本文件。