计算机视觉工具包Luminoth
GitHub 页面:https://github.com/tryolabs/luminoth
Luminoth 是一个开源的计算机视觉工具包,目前支持目标探测和图像分类,但以后会有更多的扩展。该工具包在 TensorFlow 和 Sonnet 上用 Python 搭建而成。不过,该工具包只具备内部测试版品质,即内部和外部接口(如命令行)非常可能随着代码库的成熟而变化。
下面,我们来看一下 Luminoth 的特点:
开箱使用
Luminoth 是一个开源的工具包,简单易用。
可定制的目标检测和分类模型
使用自定义数据轻松训练神经网络,实现目标检测和分类。使用的是当前最优的模型比如 Faster R-CNN。
在 TensorFlow & Sonnet 上搭建
Luminoth 建立在谷歌深度学习框架 TensorFlow 和 DeepMind 的图形库 Sonnet 上。
训练过程简单
只需要键入 lumi train 就可以训练模型。可以在本地训练,或者使用 Luminoth 内置的谷歌云平台支持在云端训练模型。
训练完成之后,你可以使用 Tensorboard 集成可视化进展和中间结果,还可使用不同的数据分割对模型进行评估。
结果易于理解
可视化结果的能力一直很重要,尤其在计算机视觉领域。在模型训练完之后,使用我们的 UI 或者命令行接口,即可获得容易理解的摘要(summary)和结果的图可视化。
接下来,我们看一下 Luminoth 的安装过程及使用的注意事项。
安装
Luminoth 现在支持 Python 2.7 和 3.4–3.6。
如已安装 TensorFlow 和 Sonnet,Luminoth 将使用已安装的版本。
CPU 支持的安装
只需运行:
$ pip install luminoth
如果你的电脑上没有 TensorFlow 和 Sonnet 的 CPU 版本,则运行以上命令安装这些版本。
GPU 支持的安装
1. 安装 GPU 支持的 TensorFlow(https://www.tensorflow.org/install/)。
2. 安装 GPU 支持的 Sonnet(https://github.com/deepmind/sonnet#installation):
$ pip install dm-sonnet-gpu
3. 从 PyPI 中安装 Luminoth:
$ pip install luminoth
从数据源安装
首先,将 repo 复制到你的电脑上,然后使用 pip 进行安装:
$ git clone https://github.com/tryolabs/luminoth.git
$ cd luminoth
$ pip install -e .
检查安装是否有效
只需运行 lumi --help。
支持的模型
目前,我们支持以下模型:
- Object Detection
Faster R-CNN
我们计划近期增加对更多模型的支持,如 SSD、YOLO 和 Mask R-CNN。此外,我们还致力于在 Pascal VOC2012 等流行数据集上提供预训练的检查点。
使用
运行 lumi 命令时,有一个主要的命令行接口可供使用。如果你对如何操作感到疑惑,只需键入:lumi --help 或 lumi <subcommand> --help,将会出现多个可用选项以及具体描述。
如何处理数据集
详见https://github.com/tryolabs/luminoth/blob/master/docs/DATASETS.md。
训练
关于如何在本地训练或在谷歌云中训练,请查看https://github.com/tryolabs/luminoth/blob/master/docs/TRAINING.md。
结果可视化
我们试图获取有用、易于理解的摘要和图可视化。我们认为这不仅对于监督是必要的,对于增加对内部运行机制的理解同样大有裨益。这也使代码易于理解、容易学习,计算图也是如此。
摘要和图日志(graph log)的默认存储位置是/tmp/luminoth。你可以运行以下命令来使用 TensorBoard:
tensorboard --logdir /tmp/luminoth
名称来源
黑暗视镜是游戏《银河战士 Prime 2 黑暗回音(Metroid Prime 2: Echoes)》中的一款装备。它由 Luminoth 设计而成,可在与 Ing 的战斗中穿透黑暗 Aether 的烟雾。
计算机视觉工具包Luminoth相关推荐
- 2017 开源中国新增开源项目排行榜 TOP 100
2017 年开源中国社区新增开源项目排行榜 TOP 100 新鲜出炉! 这份榜单根据 2017 年开源中国社区新收录的开源项目的关注度和活跃度整理而来,这份最受关注的 100 款开源项目榜单在一定程度 ...
- 开源中国社区开源项目排行榜
js excel控件 网页excel 1. t-io:百万级即时通讯框架 t-io 是一个网络框架,从这一点来说是有点像 netty 的,但 t-io 的特点在于,它不仅仅是一个网络框架, 因为它为常 ...
- 【分享】2017 开源中国新增开源项目排行榜 TOP 100
2017 年开源中国社区新增开源项目排行榜 TOP 100 新鲜出炉! 这份榜单根据 2017 年开源中国社区新收录的开源项目的关注度和活跃度整理而来,这份最受关注的 100 款开源项目榜单在一定程度 ...
- 2017 开源中国评比的前100个优秀开源项目
这份榜单根据 2017 年开源中国社区新收录的开源项目的关注度和活跃度整理而来,这份最受关注的 100 款开源项目榜单在一定程度上预示着业界的最新流行趋势. 可以看到,前十名中有九个是国内开发者开发的 ...
- 年度特辑 | 2017 开源中国新增开源项目排行榜 TOP 100
2017 年开源中国社区新增开源项目排行榜 TOP 100 新鲜出炉! 这份榜单根据 2017 年开源中国社区新收录的开源项目的关注度和活跃度整理而来,这份最受关注的 100 款开源项目榜单在一定程度 ...
- Machine Learning之Python篇(一)
Machine Learning之Python篇 概述 教程 https://ljalphabeta.gitbooks.io/python-/content/ <Python机器学习>中文 ...
- OSC 十月新增开源项目:号称最快的 Node.js 应用框架来了
立冬已过,人们认为这是夏天的终结,冬天的开始.立,建始也:冬,终也,万物收藏也.不过在开源的世界里,开发者并不畏惧寒冷,对技术的不懈追求也未曾终结. 开源的世界总是精彩纷呈,十月份,开源中国社区总共收 ...
- 第1121期AI100_机器学习日报(2017-10-13)
AI100_机器学习日报 2017-10-13 人工智能硬件设备中的语音前处理技术研究 @wx:让创新获得认可 从2017年顶会论文看 Attention Model @wx:让创新获得认可 访谈:深 ...
- OpenCV 实战:3 步实现图像降噪
来源 | 小白视觉志 头图 | 下载于视觉中国 本文将展示如何通过三个简单的步骤来实现降噪.我们将使用机器学习训练的降噪模型,最好的降噪模型之一. 程序可以判断图像是否有噪点吗?这应该是一个很有创意的 ...
最新文章
- 自然语言处理(nlp)之词袋模型及句子相似度
- java怎么使用log函数_在使用couenne求解器的spyder中使用logof函数
- 深度理解Android InstantRun原理以及源码分析
- mysql 树表查询所有子节点
- 使用Apache Camel发布/订阅模式
- 剑指offer(21)栈的压入、弹出序列
- 4-2-在Servlet中解决中文输出乱码问题
- WSO2 WSF/CPP 网络服务开发例子1--HELLO
- docker搭建私有仓库笔记
- 43. 压缩组件(4)
- mysql数据库原理及应用章节答案_mysql数据库原理及应用答案
- 大数据案例之OD线分析
- excel-按条件向下填充
- 软件测试面试题:微信红包如何测试?
- 奈奎斯特曲线怎么确定w的值matlab,用MATLAB绘制Nyquist图.ppt
- 2022年前端还好找工作吗?
- vue jsonp跨域
- Anaconda重装后【系统找不到指定的路径】
- python批量压缩图片_Python图片批量压缩到指定大小并将JPG转为PNG格式
- 2020.2.19作业单
热门文章
- Qt中的QInputDialog
- debian 文件夹中文件大小_Linux下查看文件和文件夹大小 删除日志
- drupal安装教程 linux,如何在Fedora Linux上安装Drupal 7
- Oracle的三种循环
- html 调用main方法,ipcmain和ipcrenderer从index.html调用main.js函数
- embedding 层的详细解释
- python浮点数运算问题_python基础教程之. 浮点数运算:问题和局限
- Convolutional Neural Networks for Sentence Classification
- 根据后续数组重建搜索二叉树
- 数据集整理(ing)