本文利用Azure LVA Preview 和 custom vision 挑战领代码实现指定车位空余后立即通知： 本文中用到的视频图片素材下载地址： 其余Custom vision 和IoT 的案例： AI 和 工地？ 混凝土骨料分类 混凝土骨料分类Custom Vision 落地案例-部署到树莓派边缘设备上
在使用custom vision 对图片分析时，可能需要将视频素材截取成图片。 使用ffmpeg可以快速实现该需求。 下载：https://github.com/BtbN/FFmpeg-Builds/releases windows 版本直接解压即可： 执行如下命令： C:\Users\azure_user\Downloads\ffmpeg-N-101407-ga7f841718f-win64-gpl\ffmpeg-N-101407-ga7f841718f-win64-gpl\bin\ffmpeg -i C:\Users\azure_user\Desktop\1\2.mp4 C:\Users\azure_user\Desktop\1\picture\2m%04d.jpg -vcodec mjpeg -ss 0:0:0 -t 0:2:0 此命令将桌面上1目录2.mp4 视频截取成 …
本文介绍： 将上一篇讲的《Azure Custom Vision 分类混凝土粗细骨料》训练的模型部署到树莓派上。 视频演示： 本文中针对Custom Vision导出的容器在树莓派ARM版本下的docker 编译指令可参照readme.txt： docker buildx build --platform linux/arm/v7 -t <your image name> --load . 如果显示build-x指令不存在，则需要打开 docker desktop中的开关： enable cli experimental features： 常见问题： 1.Customer Vision 在树莓派上运行慢，超过4s的解决办法 针对树莓派设备，部署完成后如果一张图片的预测时间超过4s，则可以启用快速预测： 在custom vision导出的 arm dockerfile中， …
本文介绍一个案例，使用custom vision 对混凝土骨料进行分类： Azure Custom Vision（自定义视觉）是一种图像识别服务，可用于构建、部署和改进你自己的图像标识符。 图像标识符根据图像的视觉特征将标签（表示类或对象）应用于图像 。 自定义视觉服务使用机器学习算法分析图像。 你作为开发人员提交多组图像， 然后在提交时自行标记图像，此算法会针对该数据进行训练并计算其自己的准确度， 训练算法以后，即可在图像识别应用中测试它、重新训练它并最终使用它对新图像进行分类。 也可导出模型本身，方便脱机使用。 可以将自定义视觉功能分为两种功能： 图像分类 可将一个或多个标签应用到图像。 对象检测 与之类似，但还在图像中返回坐标，坐标中可以找到应用的标签。 图文步骤： 创建Custom Vision： 资源创建完成进入主界面： 创建项 …
Azure IoT Edge入门（6）实战将“识别戴口罩”算法部署到边缘(3)-部署到IoT Edge设备 本讲是下图实战中的最右侧的一个步骤。 本节内容中，我们将进行如下实战： 1. 将模块从ACR部署到IoT Edge，此处的IoT Edge是我们第三讲中准备好的Windows Edge； 此处有坑，因为我们的 Custom Vision导出的是linux 容器，故而部署出错，我们需要去通过查询IoT Edge日志方式排查错误； 2.新部署一台Linux 系统的IoT Edge； 3. 将Custom Vision 导出的容器通过ACR 部署到Linux Edge上； 学完本讲，您将可以通过IoT Edge 远程给已经出售到客户现场的边缘设备进行升级/新装诸如SqlServer/MySql/Redis/Nginx等容器， …
什么是自定义视觉（Custom Vision） 自定义视觉是一种认知服务，用于生成、部署和改进自己的图像分类器。自定义视觉允许你确定要应用的标签，比如要对一组水果进行识别，你需要对待检测的水果打上诸如“苹果”“香蕉”“草莓”的标签。 作用 自定义视觉服务使用机器学习算法为图像应用标签。 你作为开发人员必须提供多组图像（例如苹果，香蕉，草莓），其中包含或缺少相关的特征。 请在提交时自行标记图像（标记该水果是香蕉还是苹果）， 然后，此算法会针对该数据进行训练并计算其自己的准确度，方法是针对这些相同的图像自行进行测试。 训练算法以后，即可对其进行测试、重新训练，并最终使用它根据应用的需求对新图像分类。 也可导出模型本身，方便脱机使用。 分类和对象检测 可以将自定义视觉功能分为两种功能。 图像分类可将一个或多个标签应 …