Nhận dạng hình ảnh với TensorFlow trên Raspberry Pi: 6 bước

2024 Tác giả: John Day | [email protected]. Sửa đổi lần cuối: 2024-01-30 13:34

Google TensorFlow là Thư viện phần mềm nguồn mở dành cho tính toán số sử dụng biểu đồ luồng dữ liệu. Nó được Google sử dụng trên các lĩnh vực khác nhau của Công nghệ Học máy và Học sâu. TensorFlow ban đầu được phát triển bởi Google Brain Team và nó được xuất bản trên miền công cộng như GitHub.

Để biết thêm hướng dẫn, hãy truy cập blog của chúng tôi. Nhận Raspberry Pi từ FactoryForward - Người bán lại được chấp thuận ở Ấn Độ.

Đọc hướng dẫn này trên blog của chúng tôi ở đây.

Bước 1: Học máy

Học máy và Học sâu sẽ thuộc Trí tuệ nhân tạo (AI). Máy học sẽ quan sát và phân tích dữ liệu có sẵn và cải thiện kết quả của nó theo thời gian.

Ví dụ: Tính năng video được đề xuất của YouTube. Nó hiển thị các video liên quan mà bạn đã xem trước đó. Dự đoán chỉ giới hạn cho các kết quả dựa trên văn bản. Nhưng học sâu có thể đi sâu hơn thế này.

Bước 2: Học sâu

Học sâu gần tương tự như vậy, nhưng nó tự đưa ra quyết định chính xác hơn bằng cách thu thập nhiều thông tin khác nhau của một đối tượng. Nó có nhiều lớp phân tích và đưa ra quyết định theo nó. Để đẩy nhanh quá trình, nó sử dụng Mạng thần kinh và cung cấp cho chúng tôi kết quả chính xác hơn mà chúng tôi cần (có nghĩa là dự đoán tốt hơn ML). Một cái gì đó giống như cách bộ não con người suy nghĩ và đưa ra quyết định.

Ví dụ: Phát hiện đối tượng. Nó phát hiện những gì có sẵn trong một hình ảnh. Một cái gì đó tương tự mà bạn có thể phân biệt Arduino và Raspberry Pi bằng hình dáng, kích thước và màu sắc của nó.

Đây là một chủ đề rộng và có nhiều ứng dụng khác nhau.

Bước 3: Điều kiện tiên quyết

TensorFlow đã công bố hỗ trợ chính thức cho Raspberry Pi, từ phiên bản 1.9 nó sẽ hỗ trợ Raspberry Pi sử dụng cài đặt gói pip. Chúng tôi sẽ xem cách cài đặt nó trên Raspberry Pi của chúng tôi trong hướng dẫn này.

• Python 3.4 (khuyến nghị)
• Raspberry Pi
• Nguồn cấp
• Raspbian 9 (Kéo dài)

Bước 4: Cập nhật Raspberry Pi của bạn và các gói của nó

Bước 1: Cập nhật Raspberry Pi của bạn và các gói của nó.

sudo apt-get cập nhật

sudo apt-get nâng cấp

Bước 2: Kiểm tra xem bạn có phiên bản python mới nhất hay không bằng cách sử dụng lệnh này.

python3 –-version

Bạn nên có ít nhất Python 3.4.

Bước 3: Chúng ta cần cài đặt thư viện libatlas (ATLAS - Automatically Tuned Linear Algebra Software). Vì TensorFlow sử dụng numpy. Vì vậy, hãy cài đặt nó bằng lệnh sau

sudo apt install libatlas-base-dev

Bước 4: Cài đặt TensorFlow bằng lệnh cài đặt Pip3.

pip3 cài đặt tensorflow

Bây giờ TensorFlow đã được cài đặt.

Bước 5: Dự đoán một hình ảnh bằng mô hình Imagenet Ví dụ:

TensorFlow đã xuất bản một mô hình để dự đoán hình ảnh. Bạn cần tải xuống mô hình trước sau đó chạy nó.

Bước 1: Chạy lệnh sau để tải xuống các mô hình. Bạn có thể cần phải cài đặt git.

git clone

Bước 2: Điều hướng đến ví dụ về imagenet.

cd mô hình / hướng dẫn / hình ảnh / imagenet

Mẹo chuyên nghiệp: Trên Raspbian Stretch mới, bạn có thể tìm thấy tệp ‘phân loại_image.py’ theo cách thủ công và sau đó ‘Nhấp chuột phải’ vào tệp đó. Chọn 'Sao chép (các) đường dẫn'. Sau đó, dán nó vào thiết bị đầu cuối sau 'cd' và nhấn enter. Bằng cách này, bạn có thể điều hướng nhanh hơn mà không gặp bất kỳ lỗi nào (trong trường hợp lỗi chính tả hoặc tên tệp được thay đổi trong các bản cập nhật mới).

Tôi đã sử dụng phương thức ‘Copy Path (s)’ nên nó sẽ bao gồm đường dẫn chính xác trên hình ảnh (/ home / pi).

Bước 3: Chạy ví dụ bằng lệnh này. Sẽ mất khoảng 30 giây để hiển thị kết quả dự đoán.

python3 Class_image.py

Bước 6: Dự đoán hình ảnh tùy chỉnh

Bạn cũng có thể tải xuống hình ảnh từ internet hoặc sử dụng ảnh chụp của chính bạn trên máy ảnh để dự đoán. Để có kết quả tốt hơn, hãy sử dụng hình ảnh ít bộ nhớ hơn.

Để sử dụng hình ảnh tùy chỉnh, hãy sử dụng cách sau. Tôi có tệp hình ảnh ở vị trí ‘/home/pi/Downloads/TensorImageTest1.jpg’. Chỉ cần thay thế điều này bằng vị trí và tên tệp của bạn. Sử dụng 'Copy Path (s)' để điều hướng dễ dàng hơn.

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

Bạn cũng có thể thử các ví dụ khác. Nhưng bạn cần cài đặt các gói cần thiết trước khi thực thi. Chúng tôi sẽ đề cập đến một số chủ đề TensorFlow thú vị trong các bài hướng dẫn sắp tới.