V jednom z našich předchozích pokračování seriálu o programování, jsme si vyzkoušeli detekci lidské tváře a očí pomocí primitivního kaskádového klasifikátoru Haarových příznaků, který je součástí knihovny pro počítačové vidění OpenCV.
Nakonec jsme si ukázali také implementaci jednoduchého modelu neuronové sítě pomocí knihovny Google TensorFlow a detekovali v obrazu z kamery celého člověka nebo jen jeho části. Fungovalo to překvapivě přesně. Stačilo před kamerou třeba jen mávnout rukou, načež program okolo ní vykreslil obdélník.
Vše jsme si tehdy naprogramovali na několika řádcích kódu jazyka Python 3 a hotový prográmek spouštěli na nejvýkonnějším mikropočítači Raspberry Pi 4 s 2 GB RAM a připojenou kamerkou.
Když britské malině dojde dech
Britskou malinu pořídíte za tisícikorunu a díky obrovské komunitní podpoře, kompaktnosti a právě ceně se těší ohromné popularitě. Dojde-li ale na analýzu obrazu v reálném čase a dnes tolik citované neuronové sítě, které hledají v obrazu vzory (třeba koťátka) pomocí pravděpodobnostního modelu naučeného na tisících fotografií, Raspberry Pi dojde dech.
Neuronové sítě totiž pro svižný a energeticky ospravedlnitelný běh vyžadují hardwarovou akceleraci, a tak si dnes podobný projekt z výše odkazového článku vyzkoušíme na několika destičkách s koprocesory pro zpracovávání těchto sofistikovaných algoritmů.
Pokračování článku patří k prémiovému obsahu pro předplatitele
Chci Premium a Živě.cz bez reklam
Od 41 Kč měsíčně