Подробности

Категория: Блог

Опубликовано: 26 мая 2019

Просмотров: 66082

Deploy.rar - собранный на скорую руку проект под windows (amd64). Скорее всего запустится только при установленных dlib, cuda, cudnn

Исходники на гитхабе

Простенький алгоритм распознавания дорожных знаков - классификатор дорожных знаков на сверточной нейронной сети, где фон(не дорожный знак) - это один из классов. Классификатор применяется к каждому фрагменту изображения методом скользящего окна(да, это медленно). Эффективнее было бы сделать отдельный каскадный детектор и классификатор, но за отведенное время я не успел бы обучить более одного алгоритма. По этой же причине я не мог попробовать SSD (Single Shot Detector) из каких-нибудь других библиотек машинного обучения(не dlib, потому что здесь таких алгоритмов, к сожалению, нет), а использовал только имеющиеся у меня наработки. Программа написана на c++ с использованием библиотек OpenCV, dlib. Обучение осуществлялось только на обучающей части базы German Traffic Sign Detection Benchmark (http://benchmark.ini.rub.de/?section=gtsdb&subsection=dataset).

Подробности

Категория: Блог

Опубликовано: 04 мая 2019

Просмотров: 3188

• ноябрь 2019

Форма добавления обработчика видео.

• октябрь 2019

Форма добавления источника видео (создание цепочки обработки).

• июнь 2019 - сентябрь 2019

Пользовательский интерфейс для управления цепочками обработки видео. Сохранение параметров конфигурации цепочек обработки видео и передача их с сервера на клиент и обратно. 

• май 2019

Пользовательский интерфейс визуализации видеопотоков с автоматическим масштабированием и адаптацией под размер окна

• апрель 2019

Временный протокол передачи видео из серверной программы на клиентские, пока не реализован полноценный стриминг. Заготовка протокола аутентификации. Начало разработки менеджера визуализации видеопотоков - части пользователького интерфейса клиентской программы. 

• март 2019

Начало разработки QML интерфейса клиента, его с++ ядра и сетевого TCP-клиента. Заложены основы сетевого протокола общения клиентских и серверной программ.

• февраль 2019

Начало разработки клиент-серверного взаимодействия. В основном написан сетевой TCP-сервер для общения с клиентскими программами, первоначально, пока нет полноценного стриминга, этот же сервер будет осуществлять передачу видео на клиентские программы.

• январь 2019

Обучена нейросеть новой архитектуры (более стандартизованная блочная структура) для распознавания лиц. Мелкие правки алгоритма экстракции символов автомобильного номера повышающие его качество. Обучена новая сверточная нейросеть для сегментации символов, имеющая более стандартизованную блочную структуру. Алгоритмы детектирования и распознавания автомобильных номеров встроены в серверную программу. Метки в датасетах для обучения алгоритма распознавания лиц теперь можно привязывать в виде файла labels.txt в папке с файлами изображений объекта.