TDC2019 Intel Software Day - Deteccao de objetos em tempo real com OpenVino
•
0 gostou•310 visualizações
O documento apresenta uma palestra sobre detecção de objetos em tempo real utilizando redes neurais convolucionais e o framework OpenVINO da Intel. É discutido o algoritmo YOLO para detecção de objetos em imagens e sua implementação no Intel AI Dev Cloud para treinamento. Também é mostrado como otimizar modelos de deep learning utilizando o OpenVINO para inferência em tempo real.
Denunciar
Compartilhar
Recomendado para você
Recomendado para você
Recomendado para você
Recomendado para você
Recomendado para você
Mais conteúdo relacionado
Mais de tdc-globalcode
Mais de tdc-globalcode (20)
Último
Último (20)
TDC2019 Intel Software Day - Deteccao de objetos em tempo real com OpenVino
- 1. 4/30/2019 1 Globalcode – Open4education Trilha – Intel Software Day Daniel Theisges dos Santos Pesquisador – Doutorando em Ciências da Computação pela UFSC Detecção de objetos em tempo real com OpenVino Intel Student Ambassador Program Com um Intel Student Ambassador, eu estou trabalhando com aplicações de visão computacional utilizando tecnologias e recursos da Intel® AI. Daniel Theisges dos Santos Universidade Federal de Santa Catarina Estudante de doutorado - PPGCC
- 2. 4/30/2019 2 Agenda Detecção de objetos Deep Learning YOLO Detecção de documentos Intel OpenVINO 4
- 3. 4/30/2019 3 5 Visão computacional História da detecção de objetos (2001-2019) Viola-Jones Algorithm (2001) 6 Visão computacional História da detecção de objetos (2001-2019) Histograms of Oriented Gradients (2005)
- 4. 4/30/2019 4 7 Visão computacional História da detecção de objetos (2001-2019) Histograms of Oriented Gradients (2005) 8 Visão computacional História da detecção de objetos (2001-2019)
- 5. 4/30/2019 5 Processo manual Algoritmo de aprendizagem Gato Imagem de entrada Características (HAAR, HOG, SIFT, SURF) SVM, Adaboost, ANN Rótulo Visão computacional Reconhecimento de padrões 9 Camadas de convolução Algoritmo de aprendizagem Gato Imagem de entrada Características de nível baixo Características de nível médio Características de nível alto Visão computacional Aprendizagem profunda 10
- 6. 4/30/2019 6 11 Visão computacional Redes Neurais Convolucionais 12 Visão computacional Redes Neurais Convolucionais para detecção de objetos
- 7. 4/30/2019 7 13 Visão computacional Redes Neurais Convolucionais para detecção de objetos 14 Visão computacional Redes Neurais Convolucionais para detecção de objetos
- 8. 4/30/2019 8 Agenda Detecção de objetos Deep Learning YOLO Detecção de documentos Intel OpenVINO 16 Visão computacional YOLO - You only live once https://pjreddie.com/darknet/yolo/ look
- 9. 4/30/2019 9 Yolo Processo de detecção de objetos 17 Yolo Divisão da imagem em uma grid S x S 18
- 10. 4/30/2019 10 Yolo Previsão de boundboxes (x,y,w,h) para cada células 19 each box predict: P(Object): probability that the box contains an object B = 2 Yolo Previsão de boundboxes (x,y,w,h) para cada células 20 Âncora
- 11. 4/30/2019 11 Yolo Previsão de boundboxes (x,y,w,h) para cada células 21 Dog Bicycle Car Dining Table Yolo Cada célula prevê uma classe de objetos 22
- 12. 4/30/2019 12 Dog Bicycle Car Dining Table Yolo Cada célula prevê uma classe de objetos Eg. Dog =0.8 Cat =0 Bike =0 23 P(class|Object) * P(Object) =P(class) Yolo Combinação da previsão do BB + classe do objeto 24
- 13. 4/30/2019 13 Yolo Resultado do algoritmo 25 y is 3 × 3 × 2 × 8 y 0 ? ? ? ? ? ? ? 0 ? ? ? ? ? ? ? = 0 ? ? ? ? ? ? ? 1 0 1 0 1 - pedestrian 2 - car 3 - motorcycle Yolo Treinamento
- 14. 4/30/2019 14 Yolo Estrutura da rede neural 27 Agenda Detecção de objetos Deep Learning YOLO Detecção de documentos Intel OpenVINO
- 15. 4/30/2019 15 Senior Onbording de funcionários 29 Novo ciclo de contratação Verificação de informações faltantes Revisão da contratação e confirmação Adicionar outras informações Envio das informações de contratação Senior Onbording de funcionários 30 Detectar região de interesse
- 16. 4/30/2019 16 Senior Onbording de funcionários 31 Imagem 1: Exemplos de CNH Imagem 2: Exemplos de RG - Frente Imagem 3: Exemplos de RG - Verso Senior Onbording de funcionários 32 <annotation> <folder>images</folder> <filename>cnh-ann.jpg</filename> <segmented>0</segmented> <size> <width>768</width> <height>1024</height> <depth>3</depth> </size> <object> <name>cnh</name> <pose>Unspecified</pose> <truncated>0</truncated> <difficult>0</difficult> <bndbox> <xmin>132</xmin> <ymin>168</ymin> <xmax>686</xmax> <ymax>532</ymax> </bndbox> </object> </annotation>
- 17. 4/30/2019 17 Treinamento YOLO Transfer Learning 33 Treinamento YOLO Intel AI Dev Cloud 34 Benefícios Trinta dias de acesso grátis 200 GB de armazenamento de arquivos Acesso a um cluster remoto com processadores Intel® Xeon® Ferramentas e frameworks otimizados Implementação Darkflow
- 18. 4/30/2019 18 35 Agenda Detecção de objetos Deep Learning YOLO Detecção de documentos Intel OpenVINO
- 19. 4/30/2019 19 37 Visão computacional Acurácia X Inferência GoogLeNet – original (94.28 ms) GoogLeNet – modified (73.03 ms) 4a 4b 4a 4c 4e 4d 4e Deep Learning Otimização de modelos 38
- 20. 4/30/2019 20 Deep Learning Otimização de modelos 39 40 OpenVino Formas de se trabalhar com modelos no OpenCV
- 21. 4/30/2019 21 41 OpenVino Open Visual Inference and Neural Network Optimization 42 OpenVino Otimizador de modelos
- 22. 4/30/2019 22 • Darknet: https://pjreddie.com/darknet/ • Darkflow: https://github.com/thtrieu/darkflow • OpenVino: https://software.intel.com/en-us/openvino-toolkit • Movidius Neural Compute Stick: https://developer.movidius.com/ • Intel Dev Mesh: https://devmesh.intel.com/ Referências Perguntas? 44