Описание:
Основная часть:
- настройка нейросети-детектора
1 сценарий:
-
написание веб/мобильного демо
-
встраивание модели в интерфейс
Общий этап работы:
1). Выбор фреймворка/библиотеки для использования детектора
2). Запуск детектора на случайных изображениях
1 сценарий:
3). Выбор фреймворка/библиотеки для разработки веб/мобильного демо
4). Разработка демо
5). Встраивание модели-детектора в демо
6). Тестирование демо
7). Оформления демо для показа другим людям
python app.py
go to: http://127.0.0.1:5000/
Для детекции через GET запрос:
http://127.0.0.1:5000/detect?url=https://example.com/images/test.jpg
где https://example.com/images/test.jpg - ссылка на изображение
Чтобы загрузить свое изображение
http://127.0.0.1:5000/upload
Использование webcam в браузере для детекции в реальном времени.
python webcam_streaming.py
go to: http://127.0.0.1:5000/
Пока для инференса используется предобученная сеть из torchvision на датасете COCO. Где используется 90 классов.
Примеры работы детектирования:
Фото с телефона:
Фото из интернета:
TODO:
Сделать связку с Detectron2
Создать pipeline с обучением из второго сценария и инференсом первого