โครงการ TensorFlow เพิ่ม Object Detection API สำหรับการจับวัตถุในภาพ โดยรองรับเครือข่าย 5 แบบพร้อมกับค่า weight ที่ฝึกกับชุดข้อมูล COCO มาเรียบร้อยแล้ว ทำให้คนทั่วไปสามารถสร้างระบบตรวจจับวัตถุใช้เองได้ทันที
เครือข่ายนิวรอน 5 แบบที่รองรับได้แก่ Single Shot Multibox Detector (SSD) with MobileNets, SSD with Inception V2, Region-Based Fully Convolutional Networks (R-FCN), Faster RCNN with Resnet 101, และ Faster RCNN with Inception Resnet v2
ชุดข้อมูล COCO ใช้ภาพ 300,000 ภาพจับวัตถุ 80 ประเภท หากต้องการเทรนโมเดลเพิ่มเติมเองก็สามารถทำได้ โดยทาง TensorFlow มีเอกสารสอนการฝึกโมเดลเพิ่มเติมด้วย ตัวอย่างเป็นการฝึกจากชุดข้อมูลสัตว์เลี้ยง
ที่มา - Google Research Blog
Comments
เดี๋ยวๆๆๆๆ ร่มไม่กี่เพิเซลนั่นมันรู้ได้ไงว่าเป็นร่มฟร้าาาาา คนดูยังเพ่งแล้วเพ่งอีก = =a
เทคโนโลยีไม่ผิด คนใช้มันในทางที่ผิดนั่นแหละที่ผิด!?!
รูป result อาจจะ resize มาอีกที
https://www.flickr.com/photos/mike_miley/4678754542/in/photolist-88rQHL-88oBVp-88oC2B-88rS6J-88rSqm-88oBLv-88oBC4
เล็กจริงๆ ครับ ว่าวสีส้ม ๆ ที่บอกว่า kite 54% นั่นเล็กมาก ไม่สังเกตดี ๆ ผมก็มองไม่เห็นนะ
ป.ล. เพิ่งเห็นว่าผมเขียนว่า "ร่ม" แทนที่จะเป็น "ว่าว" เออ จังหวะนั้นผมนึกถึงร่มชูชีพก่อน หน้าตามันเหมือนกันอะ
เทคโนโลยีไม่ผิด คนใช้มันในทางที่ผิดนั่นแหละที่ผิด!?!
ลองโหลด Original (4752x3162) มาดูครับ รูปใหญ่พอโปรเซสได้นะ
อยากเอาไปใช้จับหมายเลขสายรถเมล์เพื่อที่จะได้รู้ว่าตอนนี้รถเมล์อยู่ตรงไหน จะได้เป็นทางเลือกของการติด GPS บนรถเมล์อีกอย่างหนึ่ง
เคยคิดลักษณะนี้อยู่เหมือนกัน แต่เปลี่ยนเป็นติดบาร์โค้ดใหญ่ๆ ข้างรถแทน กล้องก็เอาไว้ที่ป้ายรถเมล์ แต่ก็ได้แค่คิดล่ะครับ
อันนั้นใช้ opencv ก็น่าจะได้ครับแม่นยำอยู่นะ แต่ตอนนี้เขาติดจีพีเอสไปละ
คงไม่มีหลุดแทก Alien มานะ
ลองรันดูแล้วแม่น like a charm