`or 1 or 不正经の泡泡

文章目录前言环境项目结构前端图片上传结果显示后端模型部署路由业务代码总结本博文优先在掘金社区发布！前言啥也不说了，来先看效果图本来我是打算去把昨天在实验平台训练的模型拿到手的，结果当我早上起来一看，发现不知道为什么，可能是用的人多，我的云设备断开了，于是在训练了37轮之后就挂了。没办法我只能去重新训练，想着多训练几次，然后不出意外又挂了，mad，人嘛了。没办法我只能把昨天的模型拿过来，这个的识别率只有 62.4%。我其实还有想法去做那个涂鸦识别的，但是这个数据集太大了，网络到是有搭建好的，后面

文章目录前言使用项目结构训练过程准备数据集与配置进入训练训练显示使用模型编码实现配置文件读取配置文件HU数据集解析器其他使用模型 LeNet训练实现前言鸽了两天，从星期二晚上就开始说要发布这篇文章，昨天还发布了一下关于这玩意的文章，今天早上果断删除，因为完整版来喽。好吧，其实看标题有点那啥了，其实我这次做的还是一个非常简单的小dome，一个非常小的分类dome，如果一定要说是框架的话，那么只能叫V0.1版本。使用的神经网络模型也算是非常简单的LeNet。 不过这个玩意我是仿造YoloV5的项目结构来写的

本文主要是针对目标跟踪算法进行一个学习编码，从比较简单的卡尔曼滤波器开始，到后面的deepsort 和最后与yolo算法进行整合，到最后手动实现目标跟踪框架的流程进行。本着，无法造轮子就没有彻底理解的原则进行学习。那么废话不多说开始了。VIP:Free，白嫖可耻，拒接白嫖）...

昨天挖了个坑，那么今天的话把坑填上，只要是实现Sort算法和Yolov5-Lite的一个整合。当然先前的话，我们在Yolov3–Tiny的时候，也做了一个，不过当时的话，有几个问题没有解决。第一就是当时以中心点进行预测的，这样做的结果就是如果目标框的波动比较大的话，影响会很大，同时，当时设计是为了应对直线旋转平移这样的运动进行捕捉。所以效果比较差。同时就是对于目标点的匹配不合理。那就是，我是按照，当预测点和识别点进行距离计算，计算当前点的最小距离。

好久没有冒泡了，是时候来波大的了，也是由于特殊需求，不得不重启关于目标检测的一些内容。既然如此，那么刚好把以前要做的yolo目标检测相关的代码进行复现，并且好好把这个目标检测说清楚一点儿。此外本文基于Pytorch进行编写，有空后期tensorflow也可以试试。GitHub水项目之快速上手YOLOV5YOLOV5参数设定与模型训练的坑点一二三YOLOV1论文小整理嘿~全流程带你基于Pytorch手撸图片分类“框架“–HuClassify那么本文两个目标一.理论搞清楚什么是目标检测。......

今天的主要目的还是快速上手目标跟踪，先前的话我是简单说了一下卡尔曼滤波，然后由于博客的问题，没有说完。本来是想做一个系列的，但是很难整理，而且说实话有些东西我也没搞清楚。当然这并不影响我们使用，抽象一下继续happy，就像你不懂SpringBoot 或者Django底层一样，还是阔以做出一个网站的。首先我们这边的话其实整个项目呢，是两个部分，一个是目标的追踪部分，还有一个是目标的识别检测部分。我们要先检测出来一个物品，我们才能去跟踪，同时这个算法也是基于目标检测算法来的。...

一个需求，在一个稳定的场景当中，实现目标检测计数算法。实现目标检测完成对不同类别的物品进行计数在边缘设备完成部署边缘设备算力不足目标识别精度问题，识别类别在28类实时检测，存在相同物品重复计数的问题，需要进行区分识别，避免重复计数算力不足可以使用tiny系列的yolo算法，并通过tensorRT进行加速处理摄像头运动轨迹固定，为线性移动过程采用yolov3-tiny 算法通过卡尔曼滤波实现简单的目标跟踪，记录物品ID和类别即可完成计数。

随着时代的发展，计算机算力的提升和近些年来AI模型的井喷以及发展。人工智能应用已经深入我们的日常生活。如人脸识别，无人驾驶等等，同时为了更好地与用户进行交互，完成特定功能，智能对话助手应运而生。如今大量智能移动设备已经搭配具备对话，实现特定功能的AI助手用于提高用户使用体验。但目前大量的AI助手只是具备简单的对话和应用操作等基本功能，并不能对使用者的操作习惯，会话习惯等进行自适应调节，使得助手更加适配与当前使用者。

回顾上文，在这里的话，我完成了基本的GUI界面的设计，和窗口图像的工具代码。当然这个绘制窗口的代码有点问题，那就是，绘制的窗口有闪烁。我看了很多解决方案，都试了，包括双缓存方案，都存在一定的问题，导致绘制的窗口存在闪烁问题。当然也有可能是游戏问题导致的，具体是啥，我实在是没有时间去搞了。ok,那么这篇文章就先到这里，我们后面完成全部整合。

okey，大概经过，两天的开发，我在这里完成了基本的全部开发。那么我们先来看看大概的效果吧：在这里的话，全部功能是做好了的。当然还有很多需要优化的地方。这个玩意辅助帮助我们快速启动一个线程。

直接看效果，狗头：之所以搞这个的话，当然主要一方面是因为确实有点意思在里面，此外在很久以前，也有很多的UP做过这样的玩意。当然更重要的是，这玩意在某宝上面竟然敢卖1.6K，这谁受得了。于是花了点时间把这个玩意给做出来了。这里我测试的游戏是：《荒野行动》，你换啥游戏其实都可以，没啥影响，之后后面把模型换一下即可。前置知识的话，主要是用到我前几篇博文关于Yolo的一些使用，包括自己训练数据集，其他的其实没啥了。

诶，标题有点欠揍是吧。好吧承认有点标题党了，拖更大王要更新了。快速构建一个简单的对话+问答AI （上）过来的。好吧被你发现了，我是把中间那一段拆开来了。好吧，之所以这样做其实还是因为那篇文章是在是太长了，没写清楚，同时每一个模块都是独立的，因此的话咱们专门拆开来再说下是咋干的。咱们这是一篇独立的博文，那么为啥要独立捏，因为我知道你可能并不需要一个比较完整的内容，如果你关注的是如何实现一个对话AI的话，那么来这里就对了。我们将单独从数据集开始再讲起。并且将真正完整的代码直接在咱们的博文当中贴出了。

okey,许久不见甚是想念，那么今天的话也是来开启一个新的一个章节吧。当然承认最近是有在划水，但是问题不大。那么今天的话咱们就是来填一填以前的坑，吹过的牛皮总还是要实现的。那么在这边咱们的目的是实现出一个简单一点的AI助手，通过我们的文本来实现一些对话，问答之类的一些处理。从基础部分，一步一步实现一个这样的小AI，在未来你还可以打造属于自己的一个数据集，同时在这个架构的基础上不断优化，在未来的某一天也许是有机会得到一个专属于你的一个AI对象的。所以咱们今天给出的还是一个baseline。同时本文的风格也是慢

这里先声明一下本项目是基于做的一个二次开发，也就是进行一个项目改造，同时针对原项目进行优化。在原项目中，采用单线程流线操作，导致无法进行真正的实时的多目标在线检测。只能通过已有的视频文件进行检测。同时在运算过程中，计算资源消耗较大，在进行真正的在线推理时将导致卡顿。为此，为了能够更好地是完成任务。本文博主，在花费一天的时间仔细阅读其源码后，进行了新一轮的定制修改。同时，这里我将前天做好的人脸检测模块一起放置在了这里：里面包含了完整的权重文件，无需进行下载新的权重文件。

2023-3-18 天小雨，午觉舒适程度5颗星。任务完成指数2颗星。《MidiaPipe +stgcn（时空图卷积网络）实现人体姿态判断（单目标）》，我们这边需要实现的是一个多目标的检测，并且我们期望能够适用在家庭这里领域，因此，在前者算法改进的基础上，我们还需要加入这个人脸识别模块。调某度这些现成的开发的API当然可以，但是自己搭建价更高，能装13还不用小钱钱，数据牢牢在手，主打的就是一个安全。

冒个泡，年少无知吹完的牛皮是要还的呀。那么这里的话要做的一个东西就是一个人体的姿态判断，比如一个人是坐着还是站着还是摔倒了，如果摔倒了我们要做什么操作，之类的。不过这里比较可惜的就是这个midiapipe 它里面的Pose的话是只有一个pose的也就是单目标的一个检测，所以距离我想要的一个效果是很难受的，不过这个dome还是挺好玩的。