Phát hiện vật thể bằng YOLO: bài 2 – thử nghiệm các model train sẵn

Cài đặt các thư viện cần thiết

Đây là các bước cài đặt chung cho những example bên dưới

1. Nhận diện vật thể trong hình ảnh tĩnh

Vào folder YOLOv3, các bạn chỉ cần chạy file 2.Predict_image.bat để detect, kết quả như hình bên dưới

Muốn detect ảnh khác chỉ cần sửa file 2.Predict_image.bat, thay tên ảnh sample.jpg bằng ảnh khác là được

2. Nhận diện vật thể trong video

Các bạn download file video xe chạy trên cao tốc (mục số 15) tại link: https://thigiacmaytinh.com/tai-nguyen-xu-ly-anh/tong-hop-data-xu-ly-anh/. Sau đó copy vào folder YOLOv3.

Cũng trong folder YOLOv3 các bạn chạy file 3.Predict_video.bat để detect, khi chạy chương trình sẽ tách video ra từng frame để xử lý. Sau khi xử lý và nhận diện xong thì kết quả sẽ được lưu vào file result.avi.

Kết quả phát hiện xe trên cao tốc Trung Lương (cao tốc có mật độ xe dày đặc)

Lưu ý: nếu không sử dụng CUDA để tăng tốc thì thời gian xử lý mỗi frame kích cỡ FullHD (1920x1080p) tốn gần 1000ms (tùy theo máy mạnh yếu). Do đó bạn nên có CUDA để tăng tốc xử lý lên gấp nhiều lần so với sử dụng CPU.

3. Phát hiện vị trí biển số xe máy bằng YOLO tiny v4

Vào folder bike_plate chạy _Predict_image_bike_plate.bat, kết quả như hình bên dưới.

Nếu muốn tự train model đọc biển số xe các bạn có thể làm theo bài https://thigiacmaytinh.com/phat-hien-vat-the-bang-yolo-bai-3-training-model-phat-hien-bien-so-xe

Leave a Reply