De Yolo Darknet sur un portable Optimus
Un sémaphore a été construit dans le monde réel avec des pièces réalisées sur Imprimante 3D. Ce projet crée ce même sémaphore dans le Blender Game Engine donc dans un monde virtuel dans lequel je suis dieu tout puissant. Ce sémaphore est parfait. Cela permet d'obtenir 60 000 images pour l'apprentissage et le test de l'intelligence de Yolo Darknet V3. Le BGE permet de faire varier les éclairage et leur couleurs, de le faire bouger et donner du random sur les angles des bras.
Par contre, le BGE ne permet une sortie d'image qu'en png. Il faut les convertir en jpg et les flouter en convolutive.
Voir
Blender 2.79b mais pas 2.80 qui n'a plus de BGE. Sur Xubuntu 18.04:
sudo apt-get install blender
Avec le lanceur create_shot.sh
Important: Ne pas déplacer ou agrandir la fenêtre de Blender pendant que les images défilent.
Avec le script control.py du dossier control, en modifiant les chemins.
Avec convert_png_to_jpg.py, en modifiant les chemins.
Avec blur_jpg.py, en modifiant les chemins.
Le flou est important (0 à 5), enregistrées en jpg 90%. Des images parfaites semble ne pas convenir pour l'apprentissage.
Relire tout le readme pour bien configurer en particulier:
Adapter les chemins !
./darknet partial blend/calcul_1_9000_jpg_90_small_var.cfg yolov3-tiny.weights yolov3-tiny.conv.15 15 ./darknet detector train blend/obj.data blend/calcul_1_9000_jpg_90_small_var.cfg yolov3-tiny.conv.15 -map
Suite du calcul 1, en repartant à 12000, et avec 54 000 itérations.
La partie reconnaissance est dans le dossier semaphore_blend_yolo/darknet
Une webcam regarde le sémaphore. Cette webcam ne peut-être que:
git reset --hard origin/master
Copier le fichier libdarknet.so des sources compilées de darknet dans semaphore_blend_yolo/darknet .
Dans le dossier semaphore_blend_yolo/darknet
python3 get_semaphore_message 0 2
sudo apt install v4l2ucp v4l2ucp
Reporter dans un fichier de configuration.