Download to read offline
Uploaded byDaxiong SONGYANGCHENG
Vehicles Counting and Speed Detection Using CNN-YOLO
ການກວດຈັບຄວາມໄວ ແລະ ການນັບຈໍານວນລົດ ໂດຍໃຊ້ CNN-YOLO Vehicles Counting and Speed Detection Using CNN-YOLO Source code: https://github.com/ntajxyooj/vehicles
Vehicles Counting and Speed Detection Using CNN-YOLO
- 1. ການກວດຈັ ບຄວາມໄວ ແລະການນັ ບຈໍ ານວນລົ ດ ໂດຍໃຊ້ CNN-YOLO Vehicles Counting and Speed Detection Using CNN-YOLO ທີ ມຄົ້ ນຄ້ ວາ: ລັ ດສະໝີ ຈິ ດຕະວົ ງ, ດາຊົົ່ ງ ໂຊ້ ງຢັ ງເຊັົ່ ງ, ໄຊຕະພາບ ຮວງ, ຫວົ່ ເລົົ່ າ ທອງພັ ນ, ບຸ ນເລີ ດ ວົ ງມະນີ ນໍ າສະເໜິ ໂດຍ: ດາຊົົ່ ງ ໂຊ້ ງ ຢັ ງເຊັົ່ ງ ພາກວິ ຊາ ວິ ທະຍາສາດຄອມພິ ວເຕີ , ຄະນະວິ ທະຍາສາດທໍ າມະຊາດ, ມະຫາວິ ທະຍາໄລແຫົ່ ງຊາດ
- 2. ເນ້ ອໃນລວມ 1 • ພາກສະເໜີ 2 •ຈຸ ດປະສົ ງ 3 • ເຕັ ກເນິ ກວິ ທີ ການຂອງ CNN - YOLO Algorithms 4 • ວິ ທີ ດໍ າເນີ ນການຄົ້ ນຄວ້ າ 5 • ຜົ ນການຄົ້ ນຄວ້ າ 6 • ສະຫຸ ບຜົ ນການຄົ້ ນຄວ້ າ ແລະ ຂໍ້ ສະເໜີ
- 3. ເນົ່ ອງຈາກປັ ດຈຸບັ ນເຕັ ກໂນໂລຊີ ໄດ້ ມີ ບົ ດບາດຫາຍຂ້ ນມາຊົ່ ວຍວຽກງານ. ເພົ່ ອຄວາມສະດວກສະບາຍ ແລະ ປະສິ ດທິ ພາບຄວາມຖກຕ້ ອງໃນການເຮັ ດວຽກຫາຍຂ້ ນ. ເນົ່ ອງຈາກປັ ດຈຸ ບັ ນການກວດຈັ ບ ແລະ ນັ ບຈໍ ານວນລົ ດເຂົ້ າອອກຕາມແຕົ່ ລະສະຖານທີົ່ ຍັ ງໃຊ້ ຄົ ນ. ພາກສະເໜີ
- 4. ເພົ່ ອສກສາວິທີ ການເຮັ ດວຽກຂອງ CNN ແລະ YOLO Algorithms ໃນ ການປະຍຸ ກໃຊ້ ການຈັ ບຄວາມໄວ ແລະ ນັ ບຈໍ ານວນລົ ດຕາມທ້ ອງຖະ ໜົ ນແບບເວລາຈິ ງ (Real-Time) ຈຸ ດປະສົ ງ
- 5. ເພົ່ ອພັດທະນາລະບົ ບແມົ່ ແບບ (Model) ໃນການກວດຈັ ບຄວາມໄວ ແລະ ນັ ບຈໍ ານວນຍານພາຫະນະທີົ່ ເກີ ດຂ້ ນໃນພາບຈາກກ້ ອງວົ ງຈອນ ປິ ດໂດຍໃຊ້ ຫັ ກການ CNN ແລະ YOLO ຈຸ ດປະສົ ງ (ຕໍົ່ )
- 6. ເພົ່ ອອໍານວຍຄວາມສະດວກການຈາລະຈອນ ແລະ ຊົ່ ວຍຫຸ ດຜອົ່ ນ ບັ ນຫາການຈາລະຈອນຕາມທ້ ອງຖະໜົ ນ ຫ ສະຖານທີົ່ ຕົ່ າງໆ ຈຸ ດປະສົ ງ (ຕໍົ່ )
- 7. • ຂັ້ ນຕອນວິທີ ຂອງ CNN ເພົ່ ອຫາຄຸ ນລັ ກສະນະຂອງຮູ ບພາບ (Object) ເຕັ ກນິ ກວິ ທີ ການເຮັ ດວຽກຂອງ CNN - YOLO
- 8. • Convolution Layerເປັ ນຂັ້ ນຕອນທໍ າອິ ດສໍ າລັ ບກາຫາຄຸ ນລັ ກສະນະຂອງຮູ ບພາບ ທີົ່ Input • ເຊີົ່ ງການຫາຄົ່ າຄຸ ນລັ ກສະນະຕ້ ອງປະກອບດ້ ວຍ 2 ຄົ່ າ Input 1. ຮູ ບພາບ matrix 2. Filter or Kernel ຂັ້ ນຕອນ 1. Convolution Layer
- 9. ຕົ ວຢົ່ າງ:ການຄິ ດໄລົ່ ຄົ່ າ ຂັ້ ນຕອນ 1. Convolution Layer
- 10. • ReLU ຄການປັບປົ່ ຽນຄົ່ າຄຸ ນລັ ກສະນະທີ ຫາໄດ້ ຈາກ Convolution Layer ໃຫ້ ເປັ ນ non-linearity ຫ ປັ ບປົ່ ຽນຄົ່ າຄຸ ນລັ ກສະນະທີ ເປັ ນຄົ່ າລົ ບໄປເປັ ນ 0 ຂັ້ ນຕອນ 2. ReLU Layer
- 11. ຕົ ວຢົ່ າງ:ການຄິ ດໄລົ່ ຂັ້ ນຕອນ 2. ReLU Layer ຄຸ ນລັ ກສະນະຂອງ Object
- 12. • Pooling layerຄການເອົ າອົ ງປະກອບໃຫຍົ່ ສຸ ດທີ ຫາຄຸ ນລັ ກສະນະໄດ້ ມາ ຈັ ກຂັ້ ນຕອນ Convolution Layer ແລະ ReLU Layer ໂດຍການກໍ ານົ ດ ຄົ່ າ Filters 2 x 2 ຂັ້ ນຕອນ 3. Pooling Layer
- 13. ຕົ ວຢົ່ າງ:ການຄິ ດໄລົ່ ຂັ້ ນຕອນ 3. Pooling Layer ປັ ບປົ່ ຽນຄຸ ນລັ ກສະນະຂອງ Object
- 14. • Fully connectionlayer ເປັ ນຕົ ວເຮັ ດໜ້ າທີົ່ ສໍ າລັ ບການຮຽນຮູ້ ແລະ ຈໍ າ ແນກວັ ດຖຸ (Object) ແລ້ ວສະແດງຜົ ນອອກມາຕາມຄຸ ນລັ ກສະນະທີ ຫາ ໄດ້ ຈາກຂັ້ ນຕອນ Pooling Layer ຂັ້ ນຕອນ 4. Fully connection layer
- 15. ວິ ທີ ການດໍາເນີ ນການຄົ້້ ນຄ້ ວາຂອງການພັ ດທະນາລະບົ ບໃນການວິ ໄຈຄັ້ ງນີ ້ ປະກອບ ດ້ ວຍ 2 ຂັ້ ນຕອນຫັ ກຄ: 1 ຂັ້ ນຕອນການຝກອົ ບຮົ ມລະບົ ບ (Training Step) ເພົ່ ອສ້ າງແມົ່ ແບບ 2 ຂັ້ ນຕອນທົ ດສອບແມົ່ ແບບຂອງລະບົ ບ (Testing Step) ວິ ທີ ດໍ າເນີ ນການຄົ້ ນຄວ້ າ
- 16. ວິ ທີ ດໍາເນີ ນການຄົ້ ນຄວ້ າ
- 17. • ກະກຽມຊຸ ດຂໍ້ມູ ນເພົ່ ອພັ ດທະນາລະບົ ບແມົ່ ແບບເຊີົ່ ງໃນຊຸ ດຂໍ້ ມູ ນປະກອບໄປດ້ ວຍ ປະເພດລົ ດເຊັົ່ ນ: ລົ ດຈັ ກ 1.000 ຮູ ບຂ້ ນໄປ ລົ ດໃຫຍົ່ 1.000 ຮູ ບຂ້ ນໄປ ລົ ດຖີ ບ 1.000 ຮູ ບຂ້ ນໄປ ທີົ່ ມາຂອງຊຸ ດຂໍ້ ມູ ນ Google ຂັ້ ນຕອນການຝກອົ ບຮົ ມລະບົ ບ (Training Step)
- 18. • ກໍ ານົດ Label ແລະ Bounding Box ໃຫ້ ຊຸ ດຂໍ້ ມູ ນແຕົ່ ລະຮູ ບພາບ ໂດຍນໍ າໃຊ້ Tool Labelimg ຂັ້ ນຕອນການຝກອົ ບຮົ ມລະບົ ບ (Training Step)
- 19. • ໄດ້ ຊຸດຂໍ້ ມູ ນລົ ດພ້ ອມເອົ າເຂົ້ າລະບົ ບເພົ່ ອຝກສອນໃຫ້ ຮັ ບຮູ້ ຂັ້ ນຕອນການຝກອົ ບຮົ ມລະບົ ບ (Training Step)
- 20. • ເອົ າຊຸດຂໍ້ ມູ ນເຂົ້ າລະບົ ບໃຊ້ ຫັ ກການຂອງ CNN ຫາຄຸ ນລັ ກສະນາຂອງແຕົ່ ລະຮູ ບ ພາບໃນຊຸ ດຂໍ້ ມູ ນ ຂັ້ ນຕອນການຝກອົ ບຮົ ມລະບົ ບ (Training Step)
- 21. ຂັ້ ນຕອນທົ ດສອບແມົ່ແບບຂອງລະບົ ບ (Testing Step)
- 22. • ເຊົ່ ອມຕໍົ່ກ້ ອງວົ ງຈອນປິ ດ ຫ ວິ ດີ ໂອເຂົ້ າລະບົ ບ • ຫາຄຸ ນລະສະນະຂອງວິ ດີ ໂອຕາມແຕົ່ ລະ Frame ຮູ ບພາບໂດຍໃຊ້ ຫັ ກການຂອງ CNN ຂັ້ ນຕອນທົ ດສອບແມົ່ ແບບຂອງລະບົ ບ (Testing Step)
- 23. • ຫາໄດ້ ຄຸນລະສະນະຂອງຕາມແຕົ່ ລະ Frame ແລ້ ວເອົ າໄປປຽບທຽບກັ ບ ແມົ່ ແບບ (Models) ແລ້ ວສະແດງຜົ ນອອກ ຂັ້ ນຕອນທົ ດສອບແມົ່ ແບບຂອງລະບົ ບ (Testing Step)
- 24.
- 25. 1 • ການສົົ່ ງຊຸດຂໍ້ ມູ ນໄປຝກໃຫ້ ລະບົ ບຮັ ບຮູ້ ແມົ່ ນໃຊ້ ເວລາປະມານ 2 ຫາ 3 ຊົົ່ ວໂມງ (ອີ ງຕາມປະສິ ດທິ ພາບຂອງ ເຄົ່ ອງຄອມພິ ວເຕີ ). 2 • ການສົົ່ ງຂໍ້ ມູ ນຈາກກ້ ອງວົ ງຈອນປິ ດໄປປະມວນຜົ ນກວດສອບໂດຍໃຊ້ ເວລາປະມານ 0,2 ວິ ນາທີ ຕໍົ່ Frame 3 • ສາມາດກວດຈັ ບຄວາມໄວ, ນັ ບຈໍ ານວນລົ ດໄດ້ ສະເພາະລົ ດທີົ່ ຫັ ນໜ້ າເຂົ້ າຫາໜ້ າກ້ ອງເທົ ານັ້ ນ 4 • ຜົ່ ານການທົ ດລອງແມົ່ ນສາມາດກວດຈັ ບໄດ້ ໂດຍຄົ່ າສະເລົ່ ຍປະມານ 90% ຈາກກ້ ອງວົ ງຈອນປິ ດ. ສະຫຸ ບຜົ ນການຄົ້ ນຄວ້ າ ສະຫຸ ບຜົ ນການຄົ້ ນຄວ້ າ ແລະ ຂໍ້ ສະເໜີ
- 26. 1 • ການນັ ບຈໍານວນ ແລະ ຈັ ບຄວາມໄວຂອງລົ ດທີົ່ ມາຈາກທິ ດທາງກົ ງກັ ນຂ້ າມຂອງໜ້ າກ້ ອງ ວົ ງຈອນປິ ດ ແລະ ຍັ ງບໍົ່ ສາມາດນັ ບຈໍ ານວນລົ ດຕາມປະເພດລົ ດໄດ້ . 2 • ໃຊ້ ວິ ທີ ການອົ່ ນເພົ່ ອຊົ່ ວຍໃຫ້ ສາມາດກວດຈັ ບຄວາມໄວ ແລະ ນັ ບຈໍ ານວນລົ ດຈາກທິ ດທາງ ກົ ງກັ ນຂ້ າມໄດ້ 3 • ໃຊ້ ວິ ທີ ການອົ່ ນຈໍ າແນກປະເພດລົ ດ ແລະ ນັ ບຈໍ ານວນລົ ດຕາມປະເພດໄດ້ ຂໍ້ ສະເໜີ ສະຫຸ ບຜົ ນການຄົ້ ນຄວ້ າ ແລະ ຂໍ້ ສະເໜີ
- 27.