détection D'objets / D'images spécifiques à partir de l'application locale, sans internet
Mon exigence est de numériser un objet fixe. Après avoir reconnu cela, je veux mettre en évidence l'objet et afficher les paramètres prédéfini correspondants en conséquence, comme la hauteur, la largeur, la circonférence, etc.
tout cela, je veux le faire, sans internet, en utilisant la caméra seulement.
s'il vous Plaît, laissez-moi savoir si une solution ou une suggestion pour cela.
j'ai vu CraftAR SDK. Il semble fonctionner selon mes exigences, afin de reconnaître l'objet, mais il utilise son serveur pour stocker des images, ce que je ne veux pas. Comme je veux l'image statique, pour être stocké dans l'application elle-même.
1 réponses
essayez d'utiliser l'API de détection D'objets TensorFlow. Lien: TensorFlow de Détection d'un Objet API
et vous pouvez ensuite personnaliser votre comportement d'ensemble de l'application en conséquence, en gérant tous vos besoins (comme par ex. afficher un pop up avec tous les détails de l'objet qui est détecté après avoir reçu une sorte de rappel lors de l'utilisation de L'API de détection D'objet Tensoflow après que l'objet a été détecté avec succès) ainsi que je crois que vous pouvez personnaliser le Partie du scénario de détection d'objet TensorFlow selon vos besoins (Ici, je parle de la partie liée à L'interface utilisateur spécifiquement dans le cas où vous voulez que votre application détecte l'objet graphiquement).
pour répondre À des détails comme la façon dont il fonctionne hors ligne et le résultat global APK taille, etc. peut être mieux comprise à partir des liens donnés ci-dessous:
1] Étape par Étape TensorFlow de Détection d'un Objet API Tutorial - Partie 1: Sélection d'un Modèle
2] comment former votre propre détecteur D'objet avec L'API de détecteur D'objet TensorFlow
comme vue d'ensemble, pour détecter les objets hors ligne vous devez être limité (juste pour réduire votre taille APK) avec votre propre ensemble de données/objets (comme vous l'avez mentionné que vous avez un objet fixe pour la détection, c'est bien) et ensuite vous devez former (peut être formé localement ainsi que sur le nuage) cet ensemble d'objets en utilisant un modèle SSD-Mobilenet. Vous aurez alors votre propre modèle (en mots plus simples)de ces ensembles d'objets qui vous donneront un retrained_graph.fichier pb (cela va dans votre dossier ACTIFS pour votre projet android) qui est le résultat final qui comprend le truc (en termes plus simples) pour détecter et classer les cadres de caméra en temps réel affichant ainsi les résultats (ou les détails de l'objet) selon les informations (ou l'ensemble de données/objets) fournis; sans le besoin d'une quelconque connexion internet. Par exemple, TF Detect peut suivre des objets (à partir de 80 les catégories dans l'aperçu de la caméra en temps réel.
Pour de plus amples informations, suivez ces liens:
2] Tensorflow de Détection d'un Objet API Modèles
3] Vitesse/Précision compromis Moderne de la Convolution des Détecteurs d'Objets
vous pouvez également optimiser (ou compresser) le graphe de recyclage.pb à optimized_graph.pb car c'est la seule chose importante qui serait augmentez la taille de votre fichier APK. Il y a longtemps, quand j'ai essayé de détecter 5 objets différents (en utilisant TF Classify