前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >资源 | Luminoth:基于TensorFlow的开源计算机视觉工具包

资源 | Luminoth:基于TensorFlow的开源计算机视觉工具包

作者头像
机器之心
发布2018-05-10 10:36:05
1.2K0
发布2018-05-10 10:36:05
举报
文章被收录于专栏:机器之心机器之心

机器之心编译

选自:GitHub

参与:路雪、刘晓坤

Luminoth 是一个开源的计算机视觉工具包,目前支持目标检测和图像分类,以后还会有更多的扩展。该工具包在 TensorFlow 和 Sonnet 上用 Python 搭建而成,易于使用、训练、理解结果。本文介绍了 Luminoth 及其安装过程。

GitHub 页面:https://github.com/tryolabs/luminoth

Luminoth 是一个开源的计算机视觉工具包,目前支持目标探测和图像分类,但以后会有更多的扩展。该工具包在 TensorFlow 和 Sonnet 上用 Python 搭建而成。不过,该工具包只具备内部测试版品质,即内部和外部接口(如命令行)非常可能随着代码库的成熟而变化。

下面,我们来看一下 Luminoth 的特点:

开箱使用

Luminoth 是一个开源的工具包,简单易用。

可定制的目标检测和分类模型

使用自定义数据轻松训练神经网络,实现目标检测和分类。使用的是当前最优的模型比如 Faster R-CNN。

在 TensorFlow & Sonnet 上搭建

Luminoth 建立在谷歌深度学习框架 TensorFlow 和 DeepMind 的图形库 Sonnet 上。

训练过程简单

只需要键入 lumi train 就可以训练模型。可以在本地训练,或者使用 Luminoth 内置的谷歌云平台支持在云端训练模型。

训练完成之后,你可以使用 Tensorboard 集成可视化进展和中间结果,还可使用不同的数据分割对模型进行评估。

结果易于理解

可视化结果的能力一直很重要,尤其在计算机视觉领域。在模型训练完之后,使用我们的 UI 或者命令行接口,即可获得容易理解的摘要(summary)和结果的图可视化。

接下来,我们看一下 Luminoth 的安装过程及使用的注意事项。

安装

Luminoth 现在支持 Python 2.7 和 3.4–3.6。

如已安装 TensorFlow 和 Sonnet,Luminoth 将使用已安装的版本。

CPU 支持的安装

只需运行:

代码语言:javascript
复制
$ pip install luminoth

如果你的电脑上没有 TensorFlow 和 Sonnet 的 CPU 版本,则运行以上命令安装这些版本。

GPU 支持的安装

1. 安装 GPU 支持的 TensorFlow(https://www.tensorflow.org/install/)。

2. 安装 GPU 支持的 Sonnet(https://github.com/deepmind/sonnet#installation):

代码语言:javascript
复制
$ pip install dm-sonnet-gpu

3. 从 PyPI 中安装 Luminoth:

代码语言:javascript
复制
$ pip install luminoth
从数据源安装

首先,将 repo 复制到你的电脑上,然后使用 pip 进行安装:

代码语言:javascript
复制
$ git clone https://github.com/tryolabs/luminoth.git
$ cd luminoth
$ pip install -e .
检查安装是否有效

只需运行 lumi --help。

支持的模型

目前,我们支持以下模型:

  • Object Detection

Faster R-CNN

我们计划近期增加对更多模型的支持,如 SSD、YOLO 和 Mask R-CNN。此外,我们还致力于在 Pascal VOC2012 等流行数据集上提供预训练的检查点。

使用

运行 lumi 命令时,有一个主要的命令行接口可供使用。如果你对如何操作感到疑惑,只需键入:lumi --help 或 lumi <subcommand> --help,将会出现多个可用选项以及具体描述。

如何处理数据集

详见https://github.com/tryolabs/luminoth/blob/master/docs/DATASETS.md。

训练

关于如何在本地训练或在谷歌云中训练,请查看https://github.com/tryolabs/luminoth/blob/master/docs/TRAINING.md。

结果可视化

我们试图获取有用、易于理解的摘要和图可视化。我们认为这不仅对于监督是必要的,对于增加对内部运行机制的理解同样大有裨益。这也使代码易于理解、容易学习,计算图也是如此。

摘要和图日志(graph log)的默认存储位置是/tmp/luminoth。你可以运行以下命令来使用 TensorBoard:

代码语言:javascript
复制
tensorboard --logdir /tmp/luminoth
名称来源

黑暗视镜是游戏《银河战士 Prime 2 黑暗回音(Metroid Prime 2: Echoes)》中的一款装备。它由 Luminoth 设计而成,可在与 Ing 的战斗中穿透黑暗 Aether 的烟雾。

License

Copyright © 2017, Tryolabs. Released under the BSD Clause-3.

本文为机器之心编译,转载请联系本公众号获得授权。

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2017-10-13,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 机器之心 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 开箱使用
  • 可定制的目标检测和分类模型
  • 在 TensorFlow & Sonnet 上搭建
  • 训练过程简单
  • 结果易于理解
  • 安装
    • CPU 支持的安装
      • GPU 支持的安装
        • 从数据源安装
          • 检查安装是否有效
          • 支持的模型
          • 使用
            • 如何处理数据集
              • 训练
                • 结果可视化
                  • 名称来源
                  • License
                  相关产品与服务
                  灰盒安全测试
                  腾讯知识图谱(Tencent Knowledge Graph,TKG)是一个集成图数据库、图计算引擎和图可视化分析的一站式平台。支持抽取和融合异构数据,支持千亿级节点关系的存储和计算,支持规则匹配、机器学习、图嵌入等图数据挖掘算法,拥有丰富的图数据渲染和展现的可视化方案。
                  领券
                  问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档