最近一段時(shí)間在研究AI技術(shù)在.Net平臺(tái)的使用,目前AI絕大部分是使用Python開發(fā),偶然一次在頭條看到一篇ML.NET的介紹,是Net平臺(tái)下開放源代碼的跨平臺(tái)機(jī)器學(xué)習(xí)框架。ML.NET詳細(xì)介紹 https://dotnet.microsoft.com/zh-cn/apps/machinelear
最近我一直在研究AI技術(shù)在.Net平臺(tái)上的應(yīng)用。目前,大部分AI技術(shù)都是使用Python開發(fā)的。然而,最近我偶然在頭條上看到了一篇關(guān)于ML.NET的介紹,這是一個(gè)開放源代碼的跨平臺(tái)機(jī)器學(xué)習(xí)框架,專為.Net平臺(tái)設(shè)計(jì)。我對(duì)ML.NET進(jìn)行了詳細(xì)的研究。
ML.NET詳細(xì)介紹
最初,我主要學(xué)習(xí)圖像分類和目標(biāo)檢測(cè)。在整個(gè)ML.NET學(xué)習(xí)過程中,我遇到了不少困難。最初,我使用VS插件ML.NET Model Builder進(jìn)行數(shù)據(jù)訓(xùn)練,但發(fā)現(xiàn)執(zhí)行效率很低。后來,我嘗試使用Vott進(jìn)行圖片標(biāo)注,但也發(fā)現(xiàn)了一些bug,比如視頻文件標(biāo)注導(dǎo)出后文件路徑無法識(shí)別。最后,我找到了一個(gè)效率非常高的方式,即使用yolo導(dǎo)出onnx模型。我使用Python訓(xùn)練了yolo數(shù)據(jù)集并導(dǎo)出了onnx模型,最后在.Net平臺(tái)下進(jìn)行調(diào)用。
一、車牌識(shí)別實(shí)現(xiàn)基本步驟
1. 數(shù)據(jù)標(biāo)注,可以使用LabImg或其他標(biāo)注工具
2.訓(xùn)練數(shù)據(jù),訓(xùn)練車牌樣式,訓(xùn)練文字和顏色ORC識(shí)別
3.導(dǎo)出onnx格式模型
4.使用ML.NET調(diào)用模型
二、整合到IoTBrowser
IoTBrowser增加Dynamic Api插件框架,另外找了一個(gè)Yolov5Net包,默認(rèn)支持Net6,后面移植到.Net Framework下。
C#調(diào)用代碼很簡(jiǎn)單
js端調(diào)用更簡(jiǎn)單
三、實(shí)現(xiàn)效果
支持的格式:
1.圖片絕對(duì)文件路徑
2.RTMP協(xié)議取幀識(shí)別
3.Mp4或ts文件 取幀識(shí)別
小編推薦閱讀
如何使用 Pytorch 中的 DataSet 和 DataLoader
閱讀golang slice相關(guān)常見的性能優(yōu)化手段
閱讀連接Elasticsearch服務(wù)器的Python代碼示例
閱讀國產(chǎn)操作系統(tǒng)上實(shí)現(xiàn)RTMP推流攝像頭視頻和麥克風(fēng)聲音到流媒體服務(wù)器
閱讀使用Python讀取和導(dǎo)出NetCDF格式的多時(shí)相柵格文件
閱讀多租戶系統(tǒng)數(shù)據(jù)權(quán)限設(shè)計(jì)與RuoYi系統(tǒng)的借鑒
閱讀count(*)、count(1)哪個(gè)更快?面試必問:通宵整理的十道經(jīng)典MySQL必問面試題
閱讀從需求分析、產(chǎn)品設(shè)計(jì)到部署交付各階段說明
閱讀如何利用七牛云進(jìn)行數(shù)據(jù)備份和刪除
閱讀強(qiáng)化學(xué)習(xí)筆記之【ACE:Off-PolicyActor-CriticwithCausality-AwareEntropyRegularization】
閱讀本站所有軟件,都由網(wǎng)友上傳,如有侵犯你的版權(quán),請(qǐng)發(fā)郵件[email protected]
湘ICP備2022002427號(hào)-10 湘公網(wǎng)安備:43070202000427號(hào)© 2013~2024 haote.com 好特網(wǎng)