Beeldherkenning met TensorFlow op Raspberry Pi - Ajarnpa

2024 Auteur: John Day | [email protected]. Laatst gewijzigd: 2024-01-30 11:17

Google TensorFlow is een Open Source-softwarebibliotheek voor numerieke berekeningen met behulp van gegevensstroomgrafieken. Het wordt door Google gebruikt op de verschillende gebieden van Machine Learning en Deep Learning Technologies. TensorFlow is oorspronkelijk ontwikkeld door Google Brain Team en is gepubliceerd op het publieke domein zoals GitHub.

Bezoek onze blog voor meer tutorials. Koop Raspberry Pi van FactoryForward - Approved Reseller in India.

Lees deze tutorial op onze blog hier.

Stap 1: machinaal leren

Machine Learning en Deep Learning vallen onder kunstmatige intelligentie (AI). A Machine Learning observeert en analyseert de beschikbare gegevens en verbetert de resultaten in de loop van de tijd.

Voorbeeld: YouTube-functie voor aanbevolen video's. Het toont gerelateerde video's die je eerder hebt bekeken. De voorspelling is beperkt tot alleen op tekst gebaseerde resultaten. Maar deep learning kan dieper gaan dan dit.

Stap 2: Diep leren

Deep learning lijkt daar bijna op, maar het neemt zelf een nauwkeurigere beslissing door verschillende informatie over een object te verzamelen. Het heeft veel analyselagen en neemt op basis daarvan een beslissing. Om het proces te versnellen, gebruikt het Neural Network en geeft het ons meer exacte resultaten die we nodig hadden (betekent betere voorspelling dan ML). Zoiets als hoe een menselijk brein denkt en beslissingen neemt.

Voorbeeld: Objectdetectie. Het detecteert wat beschikbaar is in een afbeelding. Iets soortgelijks dat je een Arduino en Raspberry Pi kunt onderscheiden door zijn uiterlijk, grootte en kleuren.

Het is een breed onderwerp en kent verschillende toepassingen.

Stap 3: Vereisten

De TensorFlow heeft officiële ondersteuning voor Raspberry Pi aangekondigd, vanaf versie 1.9 zal het Raspberry Pi ondersteunen met behulp van pip-pakketinstallatie. We zullen in deze tutorial zien hoe we het op onze Raspberry Pi kunnen installeren.

• Python 3.4 (aanbevolen)
• Raspberry Pi
• Stroomvoorziening
• Raspbian 9 (Stretch)

Stap 4: Update uw Raspberry Pi en zijn pakketten

Stap 1: Update uw Raspberry Pi en zijn pakketten.

sudo apt-get update

sudo apt-get upgrade

Stap 2: Test met deze opdracht of je de nieuwste python-versie hebt.

python3 –-versie

Het wordt aanbevolen om ten minste Python 3.4 te hebben.

Stap 3: We moeten de libatlas-bibliotheek installeren (ATLAS - Automatically Tuned Linear Algebra Software). Omdat TensorFlow numpy gebruikt. Installeer het dus met de volgende opdracht:

sudo apt install libatlas-base-dev

Stap 4: Installeer TensorFlow met behulp van de Pip3-installatieopdracht.

pip3 installeer tensorflow

Nu is TensorFlow geïnstalleerd.

Stap 5: Een afbeelding voorspellen met behulp van het Imagenet-model Voorbeeld:

TensorFlow heeft een model gepubliceerd om afbeeldingen te voorspellen. U moet het model eerst downloaden en vervolgens uitvoeren.

Stap 1: Voer de volgende opdracht uit om de modellen te downloaden. Het kan zijn dat je git moet hebben geïnstalleerd.

git kloon

Stap 2: Navigeer naar imagenet-voorbeeld.

cd-modellen/tutorials/image/imagenet

Pro-tip: op de nieuwe Raspbian Stretch kun je het bestand 'classify_image.py' handmatig vinden en er vervolgens met de rechtermuisknop op klikken. Kies 'Pad(en) kopiëren'. Plak het dan in terminal na de 'cd' en druk op enter. Op deze manier kunt u sneller en zonder fouten navigeren (in het geval van een spelfout of de bestandsnaam wordt gewijzigd in nieuwe updates).

Ik heb de methode 'Pad(en) kopiëren' gebruikt, dus het bevat het exacte pad op de afbeelding (/home/pi).

Stap 3: Voer het voorbeeld uit met deze opdracht. Het duurt ongeveer 30 seconden voordat het voorspelde resultaat wordt weergegeven.

python3 classify_image.py

Stap 6: Aangepaste afbeeldingsvoorspelling

U kunt ook een afbeelding van internet downloaden of uw eigen afbeelding op uw camera gebruiken voor voorspellingen. Gebruik voor betere resultaten minder geheugenafbeeldingen.

Gebruik de volgende manier om aangepaste afbeeldingen te gebruiken. Ik heb het afbeeldingsbestand op de locatie '/home/pi/Downloads/TensorImageTest1.jpg'. Vervang dit gewoon door uw bestandslocatie en naam. Gebruik 'Pad(en) kopiëren' voor eenvoudigere navigatie.

python3 classify_image.py --image_file=/home/pi/Downloads/TensorImageTest1.jpg

U kunt ook andere voorbeelden uitproberen. Maar u moet de nodige pakketten installeren voordat u deze uitvoert. We zullen enkele interessante TensorFlow-onderwerpen behandelen in de komende tutorials.