ফ্রি পাইথন API-এর মাধ্যমে উন্নত AI পণ্য তৈরি করুন

ImageAI দিয়ে শুরু করা

ইমেজএআই পিপের মাধ্যমে ইনস্টল করার পরামর্শ দেওয়া হচ্ছে, অনুগ্রহ করে নিম্নলিখিত পাইথন ইনস্টলেশন কমান্ডগুলি চালান।

pip3 install imageai --upgrade

Python API-এর মাধ্যমে চিত্রের পূর্বাভাস

ওপেন সোর্স ইমেজএআই লাইব্রেরি সফ্টওয়্যার বিকাশকারীদের তাদের নিজস্ব পাইথন অ্যাপ্লিকেশনগুলিতে কোডের কয়েকটি লাইনের সাথে ইমেজ ভবিষ্যদ্বাণীর ক্ষমতা যুক্ত করতে সক্ষম করে। লাইব্রেরিতে 4টি ভিন্ন অ্যালগরিদম এবং মডেলের ধরনগুলিকে ইমেজ ভবিষ্যদ্বাণী করার জন্য অন্তর্ভুক্ত করা হয়েছে, যেমন SqueezeNet, ResNet, InceptionV3, এবং DenseNet। অনুগ্রহ করে মনে রাখবেন যে এই অ্যালগরিদমের প্রতিটিতে আলাদা মডেল ফাইল রয়েছে যা ব্যবহারকারীদের অ্যালগরিদমের পছন্দের উপর নির্ভর করে ব্যবহার করতে হবে৷ লাইব্রেরিটি সমস্ত ইমেজ পূর্বাভাস কার্যের জন্য পূর্বাভাস গতি প্রদান করে যেমন ডিফল্টভাবে স্বাভাবিক, দ্রুত, দ্রুত এবং দ্রুত।

from imageai.Classification import ImageClassification
import os
execution_path = os.getcwd()
prediction = ImageClassification()
prediction.setModelTypeAsResNet50()
prediction.setModelPath(os.path.join(execution_path, "resnet50_imagenet_tf.2.0.h5"))
prediction.loadModel()
predictions, probabilities = prediction.classifyImage(os.path.join(execution_path, "1.jpg"), result_count=5 )
for eachPrediction, eachProbability in zip(predictions, probabilities):
    print(eachPrediction , " : " , eachProbability)

পাইথন অ্যাপে ইমেজ অবজেক্ট ডিটেকশন

অবজেক্ট ডিটেকশন হল একটি আশ্চর্যজনক কম্পিউটার ভিশন কৌশল যা সফ্টওয়্যার ডেভেলপারদের একটি ইমেজ বা ভিডিওর ভিতরে অবজেক্ট সনাক্ত এবং সনাক্ত করার ক্ষমতা দেয়৷ ইমেজএআই লাইব্রেরিতে ইমেজে অবজেক্ট ডিটেকশন সম্পন্ন করার জন্য এবং ইমেজ থেকে প্রতিটি অবজেক্ট বের করার জন্য খুব দরকারী পদ্ধতি অন্তর্ভুক্ত করা হয়েছে। এটি উচ্চ কর্মক্ষমতা এবং রিয়েল-টাইম প্রসেসিং অর্জনের বিকল্পগুলির সাথে RetinaNet, YOLOv3, এবং TinyYOLOv3-এর জন্য সমর্থন প্রদান করেছে।

পাইথনের মাধ্যমে ভিডিও অবজেক্ট সনাক্তকরণ

ইমেজের ভিতরে অবজেক্ট ডিটেকশনের মতই ইমেজএআই লাইব্রেরি পাইথন কমান্ড ব্যবহার করে ভিডিওর অভ্যন্তরে অবজেক্ট সনাক্ত এবং ট্র্যাক করার জন্য একটি খুব শক্তিশালী এবং সহজ পদ্ধতি প্রদান করেছে। মসৃণ ভিডিও অবজেক্ট সনাক্তকরণের জন্য, আপনাকে RetinaNet, YOLOv3, বা TinyYOLOv3 অবজেক্ট সনাক্তকরণ মডেল ডাউনলোড করতে হবে। অবজেক্ট ডিটেকশন মডেল ফাইলটি সফলভাবে ডাউনলোড করার পর, অনুগ্রহ করে মডেল ফাইলটিকে প্রোজেক্ট ফোল্ডারে কপি করুন যেখানে .py ফাইলগুলো সেভ করা হবে। যেহেতু ভিডিও অবজেক্ট শনাক্তকরণ একটি অত্যন্ত বিস্তৃত কাজ, তাই NVIDIA GPU এবং Tensorflow এর GPU সংস্করণ সহ একটি কম্পিউটার ব্যবহার করার পরামর্শ দেওয়া হয়৷

from imageai.Detection.Custom import CustomVideoObjectDetection
import os
import cv2
execution_path = os.getcwd()
camera = cv2.VideoCapture(0)
video_detector = CustomVideoObjectDetection()
video_detector.setModelTypeAsYOLOv3()
video_detector.setModelPath("hololens-ex-60--loss-2.76.h5")
video_detector.setJsonPath("detection_config.json")
video_detector.loadModel()
video_detector.detectObjectsFromVideo(camera_input=camera,
                                          output_file_path=os.path.join(execution_path, "holo1-detected3"),
                                          frames_per_second=20,
                                          minimum_percentage_probability=40,
                                          log_progress=True)

কাস্টম মডেল প্রশিক্ষণ সুবিধা ব্যবহার করুন

ওপেন সোর্স ইমেজএআই লাইব্রেরি সফ্টওয়্যার ডেভেলপারদের কাস্টম ইমেজ ভবিষ্যদ্বাণী মডেলগুলিকে সহজে প্রশিক্ষণ দিতে সক্ষম করে। এটি ডেভেলপারদের যেকোন ধরণের অবজেক্টের সাথে সামঞ্জস্যপূর্ণ ইমেজের সেটে তাদের নিজস্ব মডেলকে প্রশিক্ষণ দিতে দেয়। প্রশিক্ষণ পদ্ধতি দ্বারা একটি JSON ফাইল তৈরি করা হবে যা ইমেজ ডেটাসেটে অবজেক্টের ধরন ম্যাপ করবে এবং প্রচুর মডেল তৈরি করবে। এর পরে কাজটি সহজ হলে আপনাকে সর্বোচ্চ নির্ভুলতার সাথে মডেলটি বেছে নিতে হবে এবং একটি কাস্টম ইমেজ পূর্বাভাস সম্পাদন করতে হবে।

from imageai.Classification.Custom import ClassificationModelTrainer
model_trainer = ClassificationModelTrainer()
model_trainer.setModelTypeAsResNet50()
model_trainer.setDataDirectory("pets")
model_trainer.trainModel(num_objects=4, num_experiments=100, enhance_data=True, batch_size=32, show_network_summary=True)