Buat Pengklasifikasi Gambar OpenCV Menggunakan Python: 7 Langkah

2024 Pengarang: John Day | [email protected]. Terakhir diubah: 2024-01-30 09:58

Pengklasifikasi haar dalam python dan opencv agak rumit tetapi tugas yang mudah.

Kita sering menghadapi masalah dalam pendeteksian dan klasifikasi citra. solusi terbaik adalah membuat classifier Anda sendiri. Di sini kita belajar membuat pengklasifikasi gambar kita sendiri dengan beberapa perintah dan program python yang panjang namun sederhana

Pengklasifikasian membutuhkan sejumlah besar citra negatif dan positif yang negatif tidak mengandung objek yang dibutuhkan sedangkan yang positif adalah citra yang mengandung objek yang akan dideteksi.

Diperlukan sekitar 2000 negatif dan positif. Program python mengubah gambar menjadi skala abu-abu dan ukuran yang sesuai sehingga pengklasifikasi membutuhkan waktu yang optimal untuk membuatnya.

Langkah 1: Diperlukan Perangkat Lunak

Anda memerlukan perangkat lunak berikut untuk membuat pengklasifikasi Anda sendiri:

1) OpenCV: versi yang saya gunakan adalah 3.4.2. versi ini mudah tersedia di internet.

2) Python: Versi yang digunakan adalah 3.6.2. Dapat diunduh dari python.org

Apalagi Anda memerlukan webcam (tentu saja).

Langkah 2: Mengunduh Gambar

Langkah pertama adalah mengambil gambar yang jelas dari objek yang akan diklasifikasikan.

Ukurannya tidak boleh terlalu besar karena membutuhkan waktu yang lebih lama bagi komputer untuk memprosesnya. Saya mengambil ukuran 50 kali 50.

Selanjutnya kita download gambar negatif dan positifnya. Anda dapat menemukannya secara online. Tetapi kami menggunakan kode python untuk mengunduh gambar dari 'https://image-net.org'

Selanjutnya kita mengubah gambar menjadi skala abu-abu dan ke ukuran normal. Ini juga diimplementasikan dalam kode. Kode juga menghapus gambar yang salah

Sekarang direktori Anda harus berisi gambar objek misalnya watch5050-j.webp

Jika folder data tidak dibuat, lakukan secara manual

Kode python disediakan di file.py

Langkah 3: Membuat Sampel Positif di OpenCV

Sekarang buka direktori opencv_createsamples dan tambahkan semua konten yang disebutkan di atas

di commad Prompt, buka C:\opencv342\build\x64\vc14\bin untuk menemukan aplikasi opencv_createsamples dan opencv_traincascade

sekarang jalankan perintah berikut

opencv_createsamples -img watch5050-j.webp

Perintah ini untuk membuat sampel positif dari objek 1950 tepatnya Dan file deskripsi info.lst dari gambar positif deskripsi harus seperti ini 0001_0014_0045_0028_0028-j.webp

Sekarang folder itu berisi

info

neg folder gambar

file bg.txt

folder data kosong

Langkah 4: Membuat File Vektor Positif

Sekarang buat file vektor positif yang menyediakan jalur ke gambar positif file deskripsi

Gunakan perintah berikut

opencv_createsamples -info info/info.lst -num 1950 -w 20 -h 20 -vec positives.vec

Sekarang isi direktori harus sebagai berikut:

--neg

----negimages.jpg

--opencv

--info

--data

--positives.vec

--bg.txt

--watch5050-j.webp

Langkah 5: Melatih Pengklasifikasi

Sekarang mari kita latih haar cascade dan buat file xml

Gunakan perintah berikut

opencv_traincascade -data data -vec positives.vec -bg bg.txt -numPos 1800 -numNeg 900 -numStages 10 -w 20 -h 20

tahapannya adalah 10 Meningkatkan tahapan membutuhkan lebih banyak pemrosesan tetapi pengklasifikasi jauh lebih efisien.

Sekarang haarcascade dibuat. Dibutuhkan sekitar dua jam untuk menyelesaikan Buka folder data di sana Anda akan menemukan cascade.xml Ini classifier yang telah dibuat

Langkah 6: Menguji Pengklasifikasi

Folder data berisi file-file seperti yang ditunjukkan pada gambar di atas.

Setelah membuat classifier, kita melihat apakah classifier berfungsi atau tidak dengan menjalankan program object_detect.py. Jangan lupa untuk menempatkan file classifier.xml di direktori python.

Langkah 7: Terima kasih khusus

Saya ingin mengucapkan terima kasih kepada Sentdex di sini yang merupakan programmer python yang hebat.

Dia memiliki nama youtube dengan nama yang disebutkan di atas dan video yang banyak membantu saya memiliki tautan ini

Sebagian besar kode telah disalin dari sentdex. Meskipun mendapat banyak bantuan dari sentdex, saya masih menghadapi banyak masalah. Saya hanya ingin berbagi pengalaman saya.

Saya harap intructable ini membantu Anda !!! Tetap disini untuk lebih.

BR

Tahir Ul Haqi