Какие есть малотребовательные нейросети для обнаружения людей?
Нужна модель которая сможет работать на CPU и при этом нетребовательная к оперативной памяти. В задачи входит детектирование людей, можно ещё и другие объекты (машины, собаки, кошки) но это опционально. Нужно это всё для организации видеонаблюдения.
Знаю есть YOLO но она потребляет около 2ГБ памяти, это слишком много для целевого железа.
Есть ещё MobileNet, почти подходящий вариант за исключением того что у неё высокий показатель ложных срабатываний.
В общем, нужна модель по потреблению и мощности между YOLO и MobileNet, чтобы потребление памяти не превышало 2ГБ, скорость работы не сильно важно. Что можете порекомендовать?
Дополнительно:
Как мне кажется, вы хотите чуда. Бывают или нетребовательные но не очень эффективные решения, Бывают эффективные, но потребляющие много ресурсов. А чудес - чтобы и "здоровый и богатый" - так не бывает. Впрочем, по сегодняшним "железячным " меркам 2ГБ - это как бы и не очень много, скорее наоборот. И ожидать, что сегодняшний нейросетки будут быстро бегать на железе конца ХХ века - тоже как-то слишком оптимистично.
Опишите проблему, и специалист поможет с настройкой, исправлением ошибки или доработкой сайта. Подберём понятный план работ без лишней переписки.
Пока нет других ответов. Будьте первым, кто поможет автору.
Ответить на вопрос
Для обнаружения людей существует несколько малотребовательных нейросетей, которые могут быть полезными в различных задачах. Одним из примеров таких нейросетей является MobileNet, который разработан Google и оптимизирован для работы на мобильных устройствах. MobileNet имеет небольшой размер и низкое потребление ресурсов, что делает его идеальным для встраивания в приложения на смартфонах или других устройствах с ограниченными вычислительными ресурсами.
Для использования MobileNet для обнаружения людей вам потребуется обучить модель на наборе данных с изображениями людей и их метками. Вы можете использовать популярные библиотеки машинного обучения, такие как TensorFlow или PyTorch, для обучения модели на вашем компьютере или в облачной среде.
Пример кода на языке программирования Python с использованием библиотеки TensorFlow для обучения нейросети MobileNet на наборе данных с изображениями людей:
import tensorflow as tf from tensorflow.keras.applications import MobileNet # Подготовка данных # Загрузка набора данных с изображениями людей # Подготовка модели MobileNet model = MobileNet(weights='imagenet', include_top=False) # Добавление слоев для обнаружения людей x = model.output x = tf.keras.layers.GlobalAveragePooling2D()(x) x = tf.keras.layers.Dense(1024, activation='relu')(x) predictions = tf.keras.layers.Dense(1, activation='sigmoid')(x) # Сборка модели model = tf.keras.Model(inputs=model.input, outputs=predictions) # Компиляция модели model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy']) # Обучение модели model.fit(train_images, train_labels, epochs=10, validation_data=(val_images, val_labels))
Это лишь пример кода, который демонстрирует как можно использовать нейросеть MobileNet для обнаружения людей. Помните, что обучение нейросетей требует времени, вычислительных ресурсов и опыта в области машинного обучения. Не забывайте также о необходимости использовать подходящий набор данных для обучения модели.