Outils pour utilisateurs

Outils du site


yolo_darknet_avec_un_vrai_semaphore

Différences

Ci-dessous, les différences entre deux révisions de la page.

Lien vers cette vue comparative

Les deux révisions précédentesRévision précédente
Prochaine révision
Révision précédente
Prochaine révisionLes deux révisions suivantes
y:yolo_darknet_avec_un_vrai_semaphore [2019/05/06 15:34] sergeyolo_darknet_avec_un_vrai_semaphore [2020/02/04 16:43] – ↷ Liens modifiés en raison d'un déplacement. serge
Ligne 3: Ligne 3:
 **{{tagpage>semaphore|Sémaphores}}**  ....  **{{tagpage>bge|Blender Game Engine}}** ....  **{{tagpage>ia|Intelligence Artificielle}}** **{{tagpage>semaphore|Sémaphores}}**  ....  **{{tagpage>bge|Blender Game Engine}}** ....  **{{tagpage>ia|Intelligence Artificielle}}**
 </WRAP> </WRAP>
-<WRAP center round box 60% centeralign>+ 
 +<WRAP group> 
 +<WRAP half column> 
 +<WRAP center round box 95% centeralign>
 C'est quoi un sémaphore ? C'est quoi un sémaphore ?
 {{ youtube>F3sY6_fOx2I?medium }} {{ youtube>F3sY6_fOx2I?medium }}
 {{ :chappe.jpeg?400 }} {{ :chappe.jpeg?400 }}
 </WRAP> </WRAP>
-\\ \\  +</WRAP> 
-<WRAP center round box 80% centeralign>+ 
 +<WRAP half column> 
 +<WRAP center round box 95% centeralign>
 //**Reconnaissance d'un vrai sémaphore avec YOLO Darknet**//\\ //**Reconnaissance d'un vrai sémaphore avec YOLO Darknet**//\\
 </WRAP> </WRAP>
-{{ :2019_05:shot_106_y.png?600 |}}+{{ media_03:shot_106_y.png?400 |}} 
 +Ce sémaphore est une image virtuelle ! 
 +</WRAP> 
 +</WRAP>
  
 =====Suite et fin===== =====Suite et fin=====
-[[y:yolo_darknet_sur_un_portable_optimus|Yolo Darknet sur un portable Optimus]]+De **[[yolo_darknet_sur_un_portable_optimus|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.
  
 =====Les sources sur GitHub===== =====Les sources sur GitHub=====
-  * [[https://github.com/sergeLabo/semaphore_blend_yolo|semaphore_blend_yolo]]+  * **[[https://github.com/sergeLabo/semaphore_blend_yolo|semaphore_blend_yolo]]** 
 +=====Installation===== 
 +Voir 
 +  * [[yolo_darknet_sur_un_portable_optimus#installation_de_cuda_100_sur_xubuntu_1804|Cuda]] 
 +  * [[yolo_darknet_sur_un_portable_optimus#installation_de_yolo_darknet|Darknet]] 
 + 
 +Blender 2.79b mais pas 2.80 qui n'a plus de BGE. Sur Xubuntu 18.04: 
 +  sudo apt-get install blender 
 +=====Fabrication des images===== 
 +Avec le lanceur create_shot.sh 
 + 
 +Important: Ne pas déplacer ou agrandir la fenêtre de Blender pendant que les 
 +images défilent. 
 + 
 +===Contrôle de la pertinence des fichiers txt=== 
 +Avec le script control.py du dossier control, en modifiant les chemins. 
 + 
 +===Conversion en jpg=== 
 +Avec convert_png_to_jpg.py, en modifiant les chemins. 
 + 
 +===Ajout d'un flou convolutionnel=== 
 +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. 
 + 
 +=====Apprentissage===== 
 +====cfg==== 
 +Relire tout le readme pour bien configurer en particulier: 
 +  * for training for both small and large objects use modified models: **yolov3-tiny_3l.cfg** soit [[https://github.com/sergeLabo/semaphore_blend_yolo/blob/master/darknet/calcul_1/calcul_1_9000_jpg_90_small_var.cfg|calcul_1_9000_jpg_90_small_var.cfg]] 
 +  * If you train the model to distinguish Left and Right objects as separate classes (left/right hand, left/right-turn on road signs, ...) then for disabling flip data augmentation - add flip=0 
 + 
 +====Apprentissage==== 
 +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 
 +   
 +====3 calcul==== 
 +===Calcul 1 sur 1060 GTX=== 
 +  * **jpg 90, faible variation d'angle, faible variation de couleur et lumière** 
 +  * 9 000 itérations 
 +{{ media_03:chart_avec_blur_sub_16_9000.png?200 |}} 
 +  * Détails des résultats: [[:yolo_darknet_avec_un_vrai_semaphore_resultat_des_calculs#calcul_1|Calcul 1]] 
 + 
 +===Calcul 2 sur 1060 GTX=== 
 +Suite du calcul 1, en repartant à 12000, et avec 54 000 itérations. 
 +{{ media_03:chart_54000.png?200 |}} 
 +  * Détails des résultats: [[:yolo_darknet_avec_un_vrai_semaphore_resultat_des_calculs#calcul_2|Calcul 2]] 
 + 
 +===Calcul 3 sur 765 GTX=== 
 +  * **jpg 100, forte variation d'angle, forte variation de couleur et lumière, grand mât** 
 +  * 12 000 itérations sur carte 765 GTX et subdivision=32 pour palier à la trop faible RAM du GPU. 
 +{{ media_03:chart_big_var_12000.png?200 |}} 
 +  * Détails des résultats: [[:yolo_darknet_avec_un_vrai_semaphore_resultat_des_calculs#calcul_3|Calcul 3]] 
 + 
 + 
 +====Comparaison==== 
 +{{ media_03:result.pdf |}} 
 +{{media_03:result.png?300|}} 
 +=====Reconnaissance dans le monde réel===== 
 +La partie reconnaissance est dans le dossier [[https://github.com/sergeLabo/semaphore_blend_yolo/tree/master/darknet|semaphore_blend_yolo/darknet]] 
 + 
 +Une webcam regarde le sémaphore. Cette webcam ne peut-être que: 
 +  * **Microsoft HD5000** ça m’attriste cette pub ! 
 + 
 + 
 + 
 + 
 +====Rappel des pages pour l'installation sur xubuntu amd64==== 
 +  * Installation de cuda, cudnn, opencv, .... [[yolo_darknet_sur_un_portable_optimus#installation_de_cuda_100_sur_xubuntu_1804]] 
 +  * Installation de darnet [[yolo_darknet_sur_un_portable_optimus#installation_de_yolo_darknet]] 
 + 
 +====Mise à jour des sources==== 
 +  * Dans le dossier /data/projets/semaphore_blend_yolo 
 + 
 +  git reset --hard origin/master 
 + 
 +Copier le fichier libdarknet.so des sources compilées de darknet dans semaphore_blend_yolo/darknet . 
 + 
 +====Exécution de la reconnaissance==== 
 +Dans le dossier semaphore_blend_yolo/darknet 
 +  python3 get_semaphore_message 0 2  
 +   
 +===Arguments=== 
 +  * numéro de cam: 0 de /dev/video0 
 +  * numéro du calcul: 2 (1 ou 2 ou 3 sont possibles, 2 semble le meilleur)! 
 +   
 +===Fenêtre de message=== 
 +  * Espace: reset du message 
 +  * Echap: Quitter 
 + 
 +===Fenêtre de réglage=== 
 +  * threshold: entre 1 et 100, commencer entre 20 et 50. 
 +  * pile_size: Taille de la pile FIFO qui sert à valider les lettres, entre 1 et 2 fois le FPS (sur 1060GTX: FPS = 30) 
 + 
 +===Principe de la construction du message===  
 +  * une lettre est validée si toutes les lettres de la pile sont les mêmes, cela bloque l'ajout de lettre 
 +  * une nouvelle lettre est possible si il y a au moins un intrus dans la pile, c'est le débloquage. 
 +  * Retour à la ligne toutes les 20 lettres 
 +  * Reset du message si plus de 100 lettres 
 + 
 +=====Nvidia Jetson Nano===== 
 +  * Reconnaissance sur une **[[:nvidia_jetson_nano|Nvidia Jetson Nano]]** 
 + 
 +<WRAP group> 
 +<WRAP half column> 
 +{{ semaphore_jetson_nano_1.jpg?400 |}}\\ 
 +Affichage d'un sémaphore virtuel devant la webcam du Jetson Nano 
 +</WRAP> 
 +<WRAP half column> 
 +{{ semaphore_jetson_nano_2.jpg?400 |}}\\ 
 +La reconnaissance sur le jetson Nano 
 +</WRAP> 
 +</WRAP>
  
-{{tag> ia sb semaphore}}+{{ vimeo>344757901?large }} 
 +=====Bonus: Réglage d'une webcam en cours d'utilisation par un programme===== 
 +  sudo apt install v4l2ucp 
 +  v4l2ucp 
 +Reporter dans un fichier de configuration. 
 +{{tag> ia sb semaphore bge yolo_darknet deap_learning}}
  
yolo_darknet_avec_un_vrai_semaphore.txt · Dernière modification : 2020/12/27 15:09 de serge