Page 178 - python
P. 178
152
ี
คา threshold กาหนดใหเทากบ 2 ถามีคามากกวาคานจะถอวามีการหันหนาเอยงออกจากตรง
ี
้
ํ
ื
ั
กลาง ตรวจสอบระยะหางระหวาง e1 และ e2 ดวยคําสั่ง abs(e1-e2) ผลลัพธจะเปนตัวเลขบวก โดย
ตรวจสอบหากมีคามากกวา threshold จะถือวามีการหันหนาเอียงไปขางใดขางหนึ่ง แตถามีคานอยกวา
threshold จะถือวาเปนภาพหนาตรง ตรวจสอบตัวแปร e1 และ e2 ถาระยะ e1 นอยกวา ระยะ e2 คอ
ื
หันหนาไปทางซาย ในทางกลับกัน ถาระยะ e1 มากกวาระยะ e2 คือ หันหนาไปทางขวา
11.17 การตรวจจับวัตถุดวย Yolo3
ั
ุ
ี่
YOLO หรือ Only Look Once เปนอลกอริทมตรวจจับวัตถทเร็วและใชวิธีการคอนโวลูชั่นนอล
ึ
นิวรอนเน็ตเวอรค (Convolutional Neural Network:CNN)
ภาพประกอบที่ 11.18 แสดงสถาปตยกรรมการตรวจจับวัตถุของ YOLO
ที่มา: https://iq.opengenus.org/
ั
ุ
ั
ป ค.ศ. 2016 ไดมีการพฒนา Yolo สําหรับตรวจจับวัตถและไดรับการพฒนาดานความเร็วใหดี
ขึ้น เปนเวอรชั่น 3 เรียก Yolov3 โดยความสามารถในการตรวจจับวัตถุของ YOLO v3 ไดแก ['คน',
'จักรยาน', 'รถยนต', 'รถจกรยานยนต', 'เครื่องบิน', 'รถบัส', 'รถไฟ', 'รถบรรทุก', 'เรือ', 'ไฟจราจร',
ั
'ดับเพลิง', 'ปายหยุด ', 'ที่จอดรถ', 'มานั่ง', 'นก', 'แมว', 'สุนัข', 'มา', 'แกะ', 'วัว', 'ชาง', 'หมี', 'มาลาย',
'ยีราฟ' , 'เป', 'รม', 'กระเปาถือ', 'เนคไท', 'กระเปาเดินทาง', 'จานรอน', 'สก', 'สโนวบอรด', 'ลูกกีฬา', 'วาว',
ี
'ไมเบสบอล', 'ถุงมือเบสบอล ', 'สเก็ตบอรด', 'กระดานโตคลื่น', 'ไมเทนนิส', 'ขวด', 'แกวไวน', 'ถวย', 'สอม',
'มีด', 'ชอน', 'ชาม', 'กลวย', 'แอปเปล ', 'แซนวิช', 'สม', 'บร็อคโคลี่', 'แครอท', 'ฮอทดอก', 'พิซซา', 'โดนัท',
'เคก', 'เกาอี้', 'โซฟา', 'กระถางตนไม', 'เตียง ', 'โตะรับประทานอาหาร', 'หองน้ํา', 'ทีวี', 'แล็ปท็อป', 'เมาส',
'รีโมท', 'คียบอรด', 'โทรศัพทมือถือ', 'ไมโครเวฟ', 'เตาอบ', 'เครื่องปงขนมปง', 'อางลางจาน 'ตูเย็น' 'หนังสือ'
ี
่
'นาฬิกา' 'แจกัน' 'กรรไกร' 'ตุกตาหมี' 'เครองเปาผม' 'แปรงสฟน']
ื
ั
Yolo v3 ทําการตรวจจับดวยการขยาย 3ระดับเพื่อรองรับวัตถุที่แตกตางกนในความกวาง 32,
16 และ 8 พิกเซล หากปอนภาพขนาด 416x416 พิกเซล มันจะรางเอาพตที่แตกตางกัน 3 แบบ คือ
ุ
13x13x255 , 26x26x255 และ 52x52x255 เปนตน
ตัวอยางที่ 11.15 การตรวจจับวัตถุดวย yolo v3
!wget "http://dsdi.msu.ac.th/programming/yolo3/yolov3.weights"
