第四个范例-使用好用图形化介面软件执行口罩物件辨识

从前面几篇的介绍, 我们手动安装所需要的环境(包含k8s、jupyterhub、MLFlow、Seldon等工具)才能完成training、tracking与serving的任务, 准备这些环境需要整合软件与硬体，较有经验的工程师需要至少半天以上才能完成环境设定，较无经验的工程师单就环境设定可能就需要数个工作天专心设定与测试，整个流程相当繁琐且耗时.

接下来要说明第四个范例
在Day 1的示意图中提到从training、tracking到serving. 而第四个范例的重点会以电脑视觉中的物件辨识为主题, 因此将会以Labeling、Training到Serving进行说明, 示意图如下:

Nilvana AI平台

我们会使用已整合好且容易上手的Nilvana物件辨识工具, Nilvana的主要功能简述如下:

• Dejavu
  • 开发与整合了丰富的AI应用程序库，还提供监测介面掌控系统运作情形。
• Nilvana Vision Studio
  • 一站满足省去寻找工具的时间，支援多人共笔、权限管控、机器自动标注、多人即时协同标注、资料扩增前处理、模型训练及推论等强大功能，并可支援多种资料集格式。
• Face Enrollment
  • 快速又简单的登录人脸，只需要名字和几张照片，就可以开始辨识脸部。
• Deep Detector
  • 在边缘装置快速的拍摄与标注照片，并可立即进行推论。

伊甸基金会口罩脸孔资料库简介

因为疫情的关系, 戴口罩已变成现在生活的日常, 现在防疫二级的规定是只要外出就要戴口罩. 因此接下来说明的情境是训练出一个AI模型来判断进出者是否有戴口罩, 让我们可以做好防疫的第一关.

伊甸基金会已释出口罩脸孔资料库开放下载, 可以点选这个连结进行下载.

该资料库是开源资料库, 资讯如下：

• 标记格式：PASCAL VOC
• 图片总张数：682 张
• 标记种类与标记数量
  • good（有正确戴好口罩）3,129 个
  • none（脸部露出鼻孔没有戴好口罩）126 个
  • bad（脸部没有戴上口罩）667 个

档案下载下来之後是一个压缩档, 解开压缩档之後会有两个目录

• images: 影像档
• labels: 标注档

以上说明第四个范例的工具与资料集, 下一篇会说明机器视觉与影像辨识.

参考资料

Nilvana官网: https://nilvana.tw/
伊甸基金会口罩脸孔资料库:https://www.facebook.com/chenghsun.tseng/posts/2836741379682495