伙伴分享|如何快速開發一個AppCube標準頁面
881
2025-03-31
2020/5/3? 18:00
行人檢測是利用計算機視覺技術,判斷圖像或者視頻序列中是否存在行人,并給予精確定位,該技術可與行人身份識別、行人跟蹤等技術結合,確定并描繪行人運動軌跡,可應用于智能視頻監控、人體行為分析、智能交通和無人駕駛等領域,是目標檢測領域的研究熱門,具有很大的應用價值。
最近在接觸到華為云ModelArts后,感受到它的便捷、快速、高效,對AI小白也特別友好,甚至可以零代碼開發模型,我就迫不及待地嘗試了一下,真的很簡單,只要你有數據集,加上一個idea,剩下的ModelArts全部可以幫你完成,強大的算力,友好的界面,全流程指導......,AI開發一站式服務哈,正好手中有個HiLens,華為新推出的端云協同多模態AI開發應用平臺,提供了簡單易用的開發框架、開箱即用的開發環境、豐富的AI技能市場和云上管理平臺,對接多種端側計算設備,支持視覺及聽覺AI應用開發、AI應用在線部署、海量設備管理,小巧玲瓏,而且功能強大,特別是有基于華為自研達芬奇架構的Ascend 310的強大算力加持。
所以,我就做了一個行人檢測的Demo,這是基于ModelArts和HiLens的云端協作,即ModelArts訓練模型,轉化為.om模型,最終部署到HiLens上。從數據集管理到最后得到模型,均在ModelArts上完成,后期轉為.om模型,部署到HiLens上,整個操作基本在云端完成,非常便捷,,得益于ModelArts一站式AI開發平臺和云端HiLens管理控制臺,使得全部操作對本地配置要求很低,一臺能聯網的Windows操作系統的電腦就夠了,因為需要大量計算資源的操作都在云端解決了。
因為全部流程操作比較簡單,這里就不詳細說明了,不了解或有疑問的同學可在下面留言,我看到會回答的。
這里只做下簡單的介紹吧:行人檢測Demo使用ModelArts預置算法YOLOv3_ResNet18,不得不說,這個預置算法還有AI市場發布的算法真是好,大大簡化了開發流程,降低了開發門檻,正如華為云普惠AI的愿景,真是讓每個人都可以接觸使用AI啊。
該算法詳細介紹可參考文檔:https://support.huaweicloud.com/engineers-modelarts/modelarts_23_0158.html#modelarts_23_0158__section185515526717
數據可是整個Demo的靈魂。數據集使用的是自行整理的2500余張圖片,近20000個行人標注,發布數據集后,使用Tesla V100 32GB訓練,注意數據集要先發布才能用于訓練哦,發布按鈕在如圖位置哦:
最終效果嘛,勉強說得過去,如果能有能更多數據,訓練更多Epoch,再適當調試參數,效果會好很多的。
展示結果見下方視頻(程序運行結果通過HDMI輸出到顯示器,所以展示視頻是在電腦端錄屏的結果哦)。
To do List
后期會考慮加入行人跟蹤和人數統計功能。目前完整的行人檢測及跟蹤已在Atlas 200 DK實現,但由于跟蹤使用的Sort算法中卡爾曼濾波所需要的的第三方庫,需要編譯,暫時無法在HiLens上實現,所以暫且擱置。后面有機會會和人數統計一起跟新,敬請期待。
這是個使用ModelArts和HiLens云端協作的小Demo, 還有很多不成熟的地方,后面會逐步改進的,比如采用Sort算法的升級版DeepSort或者改為檢測和跟蹤一步完成的其他算法。這個Demo整理好后也會發布在技能市場,歡迎大家來嘗試,并提出意見呀。
EI 昇騰 ModelArts
版權聲明:本文內容由網絡用戶投稿,版權歸原作者所有,本站不擁有其著作權,亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容,請聯系我們jiasou666@gmail.com 處理,核實后本網站將在24小時內刪除侵權內容。
版權聲明:本文內容由網絡用戶投稿,版權歸原作者所有,本站不擁有其著作權,亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容,請聯系我們jiasou666@gmail.com 處理,核實后本網站將在24小時內刪除侵權內容。