ऑब्जेक्ट डिटेक्शन W/ड्रैगनबोर्ड 410c या 820c OpenCV और Tensorflow का उपयोग करना।: 4 चरण

2024 लेखक: John Day | [email protected]. अंतिम बार संशोधित: 2024-01-30 09:21

यह निर्देश बताता है कि ऑब्जेक्ट डिटेक्शन एप्लिकेशन को चलाने के लिए Python 3.5 के लिए OpenCV, Tensorflow और मशीन लर्निंग फ्रेमवर्क को कैसे स्थापित किया जाए।

चरण 1: आवश्यकताएँ

आपको निम्नलिखित itens की आवश्यकता होगी:

• एक DragonBoard™ 410c या 820c;

• लिनारो-एलिप की एक साफ स्थापना:

  • DB410c: संस्करण v431 में परीक्षण किया गया। लिंक:
  • DB820c: संस्करण v228 में परीक्षण किया गया। लिंक:
• कम से कम 16GB क्षमता का माइक्रोएसडी कार्ड (यदि 410c का उपयोग कर रहे हैं);

फ़ाइल डाउनलोड करें (इस चरण के अंत में), अनज़िप करें और माइक्रोएसडी कार्ड में कॉपी करें; अवलोकन: यदि DB820c का उपयोग कर रहे हैं, तो फ़ाइल को डाउनलोड करें, अनज़िप करें और कमांड के उपयोग को आसान बनाने के लिए /home/*USER*/ पर जाएँ।

• एक यूएसबी हब;
• एक यूएसबी कैमरा (लिनक्स संगत);
• एक यूएसबी माउस और कीबोर्ड;
• एक इंटरनेट कनेक्शन।

अवलोकन: यदि संभव हो तो ड्रैगनबोर्ड ब्राउज़र में इस निर्देश का पालन करें, जिससे आदेशों की प्रतिलिपि बनाने में सुविधा हो।

चरण 2: माइक्रोएसडी कार्ड को माउंट करना (केवल W/DB410c)

• ड्रैगनबोर्ड में टर्मिनल खोलें;
• टर्मिनल में fdisk चलाएं:

$ sudo fdisk -l

• माइक्रोएसडी कार्ड को ड्रैगनबोर्ड माइक्रोएसडी कार्ड स्लॉट में डालें;
• सूची में नए डिवाइस के नाम (और विभाजन) की तलाश में fdisk फिर से चलाएँ (जैसे mmcblk1p1)

$ sudo fdisk -l

रूट डायरेक्टरी पर जाएं:

$ सीडी ~

एक फ़ोल्डर बनाएँ:

$ एमकेडीआईआर एसडीफोल्डर

माइक्रोएसडी कार्ड माउंट करें:

$ माउंट / देव / एसडीफोल्डर

चरण 3: आवश्यक फ्रेमवर्क स्थापित करना

• ड्रैगनबोर्ड में टर्मिनल खोलें;
• टर्मिनल में, एक चुनी हुई निर्देशिका पर जाएं (820c के लिए "~" और 410c के लिए माउंटेड SDCard का उपयोग करके):

(820c) $ सीडी ~

(410c) $ cd ~/sdfolder

ऑब्जेक्ट डिटेक्टर स्क्रिप्ट फ़ोल्डर में जाएं:

$ cd object_detector_tensorflow_opencv/scripts/

पर्यावरण सेटअप स्क्रिप्ट चलाएँ:

$ सुडो बैश set_Env.sh

सिस्टम को अपडेट करें:

$ सुडो उपयुक्त अद्यतन

इन पैकेजों को स्थापित करें:

$ sudo apt install -y protobuf-compiler gcc-aarch64-linux-gnu

g++-aarch64-linux-gnu debootstrap schroot git curl pkg-config zip unzip python python-pip g++ zlib1g-dev default-jre libhdf5-dev libatlas-base-dev gfortran v4l-utils hdf5* libhdf5* libpng-dev बिल्ड-आवश्यक सेमेक libreadline-gplv2-dev libncursesw5-dev libssl-dev libxvidcore-dev libx264-dev libx264-dev libgtk2.0-dev libgtk-3-dev ffmpeg पायथन-ओपनग्ल

इस निर्देशिका पर जाएँ:

$ सीडी / यूएसआर / src

पायथन 3.5 डाउनलोड करें:

$ sudo wget

पैकेज निकालें:

$ sudo tar xzf Python-3.5.6.tgz

संपीड़ित पैकेज हटाएं:

$ सूडो आरएम पायथन-3.5.6.tgz

पायथन 3.5 निर्देशिका पर जाएं:

$ सीडी पायथन-3.5.6

पायथन 3.5 संकलन के लिए अनुकूलन सक्षम करें:

$ sudo./configure --enable-optimizations

पायथन 3.5 संकलित करें:

$ sudo alt install करें

पाइप और सेटअप टूल अपग्रेड करें:

$ sudo python3.5 -m pip install --upgrad pip && python3.5 -m pip install --upgrad setuptools

सुन्न स्थापित करें:

$python3.5 -m pip install numpy

चुनी गई निर्देशिका पर जाएं:

(820c) $ सीडी ~

(410c) $ cd ~/sdfolder

डाउनलोड Tensorflow 1.11 whl:

$ wget

टेंसरफ़्लो स्थापित करें:

$ sudo python3.5 -m pip tensorflow-1.11.0-cp35-none-linux_aarch64.whl स्थापित करें

ओपनसीवी और ओपनसीवी कंट्रीब रिपॉजिटरी क्लोन करें:

$ sudo git क्लोन -b ३.४ https://github.com/opencv/opencv.git && sudo git clone -b 3.4

निर्देशिका पर जाएँ:

$ सीडी ओपनसीवी

बिल्ड डायरेक्टरी बनाएं और उस पर जाएं:

$ sudo mkdir बिल्ड && cd बिल्ड

सीएमके चलाएं:

$ sudo cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D BUILD_opencv_java=OFF -D BUILD_opencv_python=OFF -D BUILD_opencv_python3=ON -D PYTHON3_EXLEUTABLE: जो python3.5) -D PYTHON_INCLUDE_DIR=/usr/लोकल/शामिल/पायथन3.5m/-D INSTALL_C_EXAMPLES=OFF -D INSTALL_PYTHON3_EXAMPLES=OFF -D BUILD_EXAMPLES=OFF -D WITH_CUDA=OFF -S=ON_OFF-D-WITH -D BUILD_T के साथ -DBUILD_TBB=ON -D OPENCV_ENABLE_NONFREE=ON -DBUILD_opencv_xfeatures2d=OFF -D OPENGL=ON -D OPENMP=ON -D ENABLE_NEON=ON -D BUILD_PERF_TESTS= OFF -D BUILD_OPENCV_PATH_. मॉड्यूल..

OpenCV को 4 कोर के साथ संकलित करें:

$ सूडो मेक -जे 4

ओपनसीवी स्थापित करें:

$ सुडो स्थापित करें

चुनी गई निर्देशिका पर जाएं:

(820c) $ सीडी ~

(410c) $ cd ~/sdfolder

स्क्रिप्ट निर्देशिका पर जाएं:

$ cd object_detector_tensorflow_opencv/scripts/

Python3.5 आवश्यकताएँ स्थापित करें:

$ sudo python3.5 -m pip install -r आवश्यकताएँ.txt --no-cache-dir

परीक्षण आयात:

$पायथन3.5

> आयात cv2 >> आयात tensorflow

अवलोकन: यदि cv2 आयात त्रुटि देता है, तो OpenCV बिल्ड फ़ोल्डर में स्थापित करें चलाएँ और पुनः प्रयास करें।

चुनी गई निर्देशिका पर जाएं:

(820c) $ सीडी ~

(410c) $ cd ~/sdfolder

कोकोपी रिपॉजिटरी डाउनलोड करें:

$ git क्लोन

Tensorflow मॉडल रिपॉजिटरी डाउनलोड करें:

$ git क्लोन

इस निर्देशिका पर जाएँ:

$ सीडी कोकोपी/पायथनएपीआई

फ़ाइल मेकफ़ाइल को संपादित करें, पंक्ति 3 और 8 में अजगर को python3.5 में बदलें और फिर फ़ाइल को सहेजें (उदाहरण के रूप में नैनो का उपयोग करके):

$ नैनो मेकफ़ाइल

कोकोपी संकलित करें:

$ सुडो मेक

अवलोकन: यदि 'मेक' कमांड संकलित नहीं करता है, तो साइथन को इसके साथ पुनः स्थापित करने का प्रयास करें:

$ sudo python3.5 -m pip install cython

pycocotools को tensorflow /models/research निर्देशिका में कॉपी करें:

(820c) $ cp -r pycocotools ~/models/research/

(410c) $ cp -r pycocotools ~/sdfolder/models/research/

चुनी गई निर्देशिका पर जाएं:

(820c) $ सीडी ~

(410c) $ cd ~/sdfolder

मॉडल/शोध निर्देशिका पर जाएं:

$ सीडी मॉडल / अनुसंधान

प्रोटोकॉल के साथ संकलित करें:

$ protoc object_detection/protos/*.proto --python_out=.

निर्यात पर्यावरण चर:

$ निर्यात PYTHONPATH=$PYTHONPATH:`pwd`:`pwd`/slim

पर्यावरण का परीक्षण करें:

$python3.5 object_detection/builders/model_builder_test.py

अवलोकन: इसे ओके वापस करना होगा, अन्यथा आवेदन काम नहीं करेगा। यदि नहीं, तो आवश्यक ढांचे को स्थापित करने की प्रक्रिया में किसी भी गलती की सावधानीपूर्वक खोज करें।

चरण 4: ऑब्जेक्ट डिटेक्शन एपीआई चलाना

कॉन्फ़िगर किए गए सभी फ्रेमवर्क के साथ, अब ऑब्जेक्ट डिटेक्शन एपीआई चलाना संभव है जो Tensorflow के साथ OpenCV का उपयोग करता है।

चुनी गई निर्देशिका पर जाएं:

(820c) $ सीडी ~

(४१०सी) $ सीडी ~/एसडीफोल्डर

ऑब्जेक्ट डिटेक्शन डायरेक्टरी पर जाएं:

$ cd object_detector_tensorflow_opencv/

अब एप्लिकेशन चलाएँ:

$python3.5 app.py

अब ड्रैगनबोर्ड नेटवर्क के माध्यम से वीडियो को स्ट्रीम करेगा। आउटपुट वीडियो देखने के लिए डीबी में ब्राउज़र खोलें और "0.0.0.0:5000" पर जाएं।