Object detection - Tìm vật thể trong hình với Tensorflow

Ở bài trước chúng ta đã tìm hiểu qua cách để train một model AI rồi sử dụng nó cho việc đọc chữ từ hình. Cụ thể là giải captcha normal.

Bài này chúng ta sẽ thực hiện công việc khó hơn là nhận diện vật thể từ hình ảnh.

Đầu tiên sẽ vào Google colab Object Detection để bắt đầu nhé.

Bạn có thể tự label theo video hướng dẫn có sẵn trong link. Hoặc theo dõi video hướng dẫn bằng tiếng Việt từ Kteam nhé.

Bài này mình sẽ hướng dẫn dùng data có sẵn để dễ dàng thực hiện theo nhé.

Bạn sẽ thực hiện Install Tensorflow Object Detection Dependencies đầu tiên để cài đặt các thư viện và clone model từ github

Tiếp tục run các code kế đó cho đến phần Upload Image Dataset

Chúng ta có thể kéo file zip dataset đã label vào folder content/image.zip.

Mình sẽ chạy phần code lấy file sẵn từ dropbox. nên chỉ chạy options 3. Use coin detection dataset.

Sau đó tiếp tục chạy 3.2 Split images into train, validation and test folders cho đến 3.3 thì chú ý chút nhé.

Phần 3.3 Create Labelmap and TFRecords thì chúng ta sẽ đưa các label trong dataset chúng ta có vào. Nhớ phải đưa đủ nhé. Thiếu không chạy được đâu. Ở đây mình đã đưa sẵn vào. Nếu bạn sài dataset riêng thì đưa label phù hợp vào nhé.

Tiếp tục run code cho đến 7. Test Tensorflow Lite Model and Calculate Map

Bạn sẽ thấy kết quả train của mình sớm thôi.

Một số lưu ý.

- Nên update google colab lên pro để tránh gián đoạn train

- Có thể stop train giữa chừng nếu thấy lâu

- Train nhiều lần tỷ lệ chính xác sẽ tăng lên. Nhưng khuyến khích lượng data đầu vào cao hơn.

Tiếp tục chạy code đến 8.1 thì bạn có thể tải TFLie model để mang đi sử dụng bất cứ đâu rồi đó.

Trong link có phần deploy model lên Raspberry Pi. Nếu bạn muốn có thể tiếp tục thử với nội dung trong bài. 

Cảm ơn bạn đã theo dõi bài viết. Hãy để lại bình luận để phát triển bài viết tốt hơn. Đừng quên Luyện tập - Thử thách - Không ngại khó.

---

Thảo luận

Nếu bạn có bất kỳ khó khăn hay thắc mắc gì về khóa học, đừng ngần ngại đặt câu hỏi trong phần BÌNH LUẬN bên dưới hoặc trong mục HỎI & ĐÁP trên thư viện Howkteam.com để nhận được sự hỗ trợ từ cộng đồng.