quote:

Orijinalden alıntı: KaramazovX

Tam olarak tensorflow ile alakalı değil bu problem. Tensorflow size machine learning için toolbox sunuyor sadece. Nasıl kullanılır bilmeden bir işe yaramaz. Eylemleri algılamak görece zor diğer bazı problemlere göre. Kendi yaklaşımım şöyle olurdu:

Kapı ve kapıya bakan kamera sabit noktalardaysa,

1. Veri toplama ve analizi: Kapının kapalı, yarı açık ve tam açık olduğu pozisyonlarda başlangıç için yaklaşık 10.000 karelik görüntü toplardım (video olarak çekip frame frame ayırabilirsiniz). Her frame'i açık, yarı açık, kapalı olarak etiketlerim. Modelin tahmin etmesini isterken de tek bir frame veririm, buradan tahmin yap derim.

2. Keşif: Görsel veriyi öylece bir modele verip analiz etmesini istemek için çok çok çok fazla veri gerekebilir. O yüzden edge-detection falan gibi filtrelerden geçirip önemli olan kısımları ayıklamaya çalışırım. Rengin önemi var mı? Kenarların önemi var mı? Neyin önemi var? Bunlar gibi soruları önce kendime sorup değerli feature'ları analizlerim. Rengin önemi yoksa siyah-beyaz yaparım hepsini. Kenarların önemi yoksa edge-detection uygulamam. Varsa mesela ve çok varsa kontrast'ı artırırım ki modelin gözüne sokabileyim kenarları.

3. Model: İş için en uygun machine learning metotlarının listesine bakarım. Convolutional neural network olabilir, çok basit renk histogram'ıyla olabilir (kapının bir tarafı beyaz bir tarafı pembeyse mesela; pembe varsa açılmıştır diyebilir çok basit yoldan).

4. Eğitim/deneme: Modeli her metot için tek tek tensorflow'la inşa edip eğitirim. Eğitim sonucunu not alırım. Hyperparameter'larıyla oynarım, hangi versiyon daha iyi sonuç veriyorsa oradan devam ederim.

5. Sonra da sahaya çıkarır test verisi haricinde nasıl çalışıyor bakarım. Bu tip bir proje için %95+ başarı oranı beni tatmin eder, %95'i görürsem, olmuş, derim.

Kamera ve kapı sabit noktalarda değilse yine neredeyse aynı yolak izlenecek ama veriyi toplarken yüzlerce farklı kapıdan yüzlerce farklı açıda açık, yarı açık, kapalı diye ayrı ayrı görsel veri toplanır, o veriyi işleyecek genelleme gücü daha yüksek bir model inşa etmek gerekir. Yine aynı şekilde veriyi normalize etmek, olabildiğince özneye odaklanmasını sağlamak için filtreler vb. kullanabilirim.

Bunun haricinde eğer şöyle bir şey isteniyorsa video veriyi işlemek için özel metotlar lazım: "açık", "kapanıyor", "açılıyor", "kapalı". Açılıyor ve kapanıyor'u tek frameden analiz edemeyiz.