人物识别 手把手教你十分钟搞定人物检测

本文是AI研究会整理的技术博客。

翻译|顺顺老赵评论|拉马克

10分钟能解决人物检测的问题吗？

当然！

动机

人探测任务随处可见。如果你的工作涉及到计算机视觉领域，你可能之前就遇到过这个问题。无论从事什么行业，人检测几乎都是应用的。以下是一些行业:

自动驾驶：识别道路场景中的人物零售业：分析超市内的消费者的行为时尚业：确定特定品牌和佩戴它们的人安全行业：限制某些人访问某些地方移动应用：找到你喜欢的那位，划掉你不喜欢的那位

但是今天，这个任务有多难呢？

五年前，主要的解决方案是使用opencv和基于哈尔特征的级联分类器。这些探测器需要时间和精力来搭建，而且按照现在的标准来看，探测效果并不是很好。

在深度学习时代，特征工程和简单分类器的结合逐渐被抛弃，神经网络成为主导方法。

其实github上有很多相关的字符检测的做法。例如，这个仓库和这个仓库。

即使在今天，公司仍然联系我们，要求我们帮助他们完成这项特殊任务。希望大家看完这篇博文后，会发现运行适合自己的行人检测任务是可行的。

工具选择

我们将使用监督平台来解决人员检测任务。除了推荐平台，原因如下:

我们需要 5 分钟才能获得初始解决方案无需编写代码并在各种开发工具之间来回切换开箱即用：一系列预训练的模型，可视化和部署

如何处理任务

实际上，我们有两种方法来解决这个问题:

2.运行推理过程

这条线:

单击开始推理按钮。

3.检验结果

然后，Supervise.ly会以json格式回复您测试结果:

上面的Json对应所有检测到的物体，包括坐标和置信度。可视化后，我们得到

API返回的预测可视化

为了让生活更轻松，我们提供了一个python笔记本，实现了API调用，并将检测结果可视化。我们鼓励您使用它。

Jupyter笔记本

回到主要问题

回想一下题目中的问题“你能在10分钟内解决测试一个人的任务吗？”」

快速回答是，只需按照上面的说明操作即可。更为深思熟虑的答案是「它取决于」，细节决定成败。

同样，需要人们测试的可能应用程序的数量是巨大的。以下是导致头痛的三个最常见的因素:

硬件限制。对于某些应用程序，可以使用板载高端 GPU 的台式计算机。其他应用程序应该可以在手机上或机器人内部使用。在这种情况下，我们需要以牺牲模型精度为代价来使用小而快速的神经网络。实时要求。例如，在自动驾驶行业中，软件应该是实时工作的。在这种情况下，最新的 GPU 仍然不够强大，无法运行更快的 R-CNN 的最先进的实现。因此，我们必须牺牲准确性并选择更简单的模型。具体情况。如果我们构建一个安全应用程序，那么很可能，我们必须在夜间发现不需要的人。无法保证开箱即用的探测器可以解决此任务。许多其他变化是可能的 - 不同的天气，摄像机角度或只有一小部分人可见的事实。好消息是我们可以训练模型在特定条件下运行良好，但它可能需要我们一些额外的工作。

未来，我们将发布一系列博客文章来解决更复杂的场景，包括自定义对象检测器的培训。

如果你觉得这篇文章有意思，就多分享一下，让更多人看到！

原文链接:https://hackernoon . com/can-you-solve-a-person-detection-task-in-10-min-74 FBA 061194 c

更精彩的内容，全在AI研究院:

基于OpenCV的深度学习人体姿态检测

如何在Azure上使用Horovod框架进行对象检测的分布式深度学习

基于OpenCV的基于YOLOv3的深度学习中的目标检测

亚马逊、谷歌、微软等公司人脸识别对比

10分钟能解决人物检测的问题吗？

基于Node.js命令行界面和神经网络模型如何使用OpenCV编写图像分类

深度学习来自于监督的方法