Skip to content

Tecnologias-Emergentes-Equipo2/Proyecto2

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

15 Commits
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

Proyecto de Detección de Protocolos de Sana Distancia Utilizando YOLOv4

El proposito de este repositorio es almacenar el código utilizado para entrenar un modelo personalizado de YOLOv4 entrenado con un dataset que contiene fotos de personas con y sin cubrebocas, así como almacenar el código de la parte de Front-End del mismo.

Paso 1: Entrenamiento del Modelo

Para entrenar este modelo, primero es necesario descargar el dataset de Detección de cubrebocas de Kaggle. Este archivo, llamado archive.zip se deberá colocar dentro del directorio Proyecto Sana Distancia/Data/.

Una vez realizado este proceso, es necesario subir la carpeta Proyecto Sana Distancia a la raíz de una unidad personal de Google Drive. Este paso es fundamental debido a que la Notebook en Google Colab monta una unidad de Google Drive para poder extraer la información para entrenar el modelo.

Una vez realizados estos pasos, simplemente se deberá de correr la Notebook en su totalidad para poder entrenar el modelo. La Notebook contiene información más detallada acerca del proceso de entrenamiento y la exploración de los datos utilizados.

Al terminar el entrenamiento, para poder utilizar el modelo personalizado, es necesario descargar los weights y el archivo de configuración utilizados en el modelo. Se recomienda que para los pesos se utilice el archivo ya incluido en este repositorio llamado yolov4-obj_last_1.weights que se encuentra dentro de la carpeta de backup.

img1

Streamlit app

Streamlit es un framework para python que permite crear aplicaciones web de manera rápida sin la necesidad de especificar un backend/frontend. Todo se define a través de declaraciones en python.

Para instalar y correr la aplicación crear un venv e instalar las dependencias (requirements.txt) usando pip.

Estando dentro de este directorio. Para crear un ambiente virtual:

python -m venv venv

Para instalar las dependencias

pip install -r requirements.txt

Una vez instaladas, la aplicación se ejecuta:

streamlit run app.py

Algunos vídeos de prueba:

Funcionamiento de la app:

Visualización de ejecución funcional de personas con mascarilla, de forma correcta o incorrecta:

En caso presentar problemas de instalación:

img1

-Verificar tener instalado la versión más actualizada de Microsoft Visual C++ 14, de igual forma puedes consultar a detalle ese problema a través de esta liga de apoyo

About

No description, website, or topics provided.

Resources

License

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published