AI-For-Beginners/translations/km/lessons/4-ComputerVision/11-ObjectDetection/lab

ការរកមុខក្បាលដោយប្រើទិន្នន័យ Hollywood Heads Dataset

ភារកិច្ចមេរៀនពី AI for Beginners Curriculum ។

ភារកិច្ច

ការរាប់ចំនួនមនុស្សនៅលើចរន្តកាមេរ៉ាសុវត្ថិភាព វីដេអូ គឺជាភារកិច្ចសំខាន់មួយ ដែលអាចអនុញ្ញាតឲ្យយើងប៉ាន់ស្មានចំនួនមាតឹកានៅក្នុងហាងម៉ូដម៉ាឌែល ម៉ោងវិស្សមកាលនៅភោជនីយដ្ឋាន និងផ្សេងៗទៀត។ ដើម្បីដោះស្រាយភារកិច្ចនេះ យើងត្រូវបានបាច់ត្រូវអាចរកមុខក្បាលមនុស្សពីទិសភាពផ្សេងៗគ្នា។ ដើម្បីបណ្តុះម៉ូដែលរកមុខតំណាងរូបវត្ថុសម្រាប់រកមុខក្បាលមនុស្ស យើងអាចប្រើ Hollywood Heads Dataset ។

ទិន្នន័យ

Hollywood Heads Dataset មានមុខក្បាលមនុស្សចំនួន 369,846 ដែលបានពិពណ៌នាឡើងក្នុង 224,740 ស៊េរីរូបភាពខ្សែភាពយន្តពីភាពយន្ត Hollywood ។ វាត្រូវបានផ្ដល់ជាការរូបបែប [https://host.robots.ox.ac.uk/pascal/VOC/](../../../../../../lessons/4-ComputerVision/11-ObjectDetection/lab/PASCAL VOC) ដែលសម្រាប់រូបភាពនីមួយៗ មានឯកសារ XML អธิบายដែលមើលទៅដូចជា៖

<annotation>
	<folder>HollywoodHeads</folder>
	<filename>mov_021_149390.jpeg</filename>
	<source>
		<database>HollywoodHeads 2015 Database</database>
		<annotation>HollywoodHeads 2015</annotation>
		<image>WILLOW</image>
	</source>
	<size>
		<width>608</width>
		<height>320</height>
		<depth>3</depth>
	</size>
	<segmented>0</segmented>
	<object>
		<name>head</name>
		<bndbox>
			<xmin>201</xmin>
			<ymin>1</ymin>
			<xmax>480</xmax>
			<ymax>263</ymax>
		</bndbox>
		<difficult>0</difficult>
	</object>
	<object>
		<name>head</name>
		<bndbox>
			<xmin>3</xmin>
			<ymin>4</ymin>
			<xmax>241</xmax>
			<ymax>285</ymax>
		</bndbox>
		<difficult>0</difficult>
	</object>
</annotation>

ក្នុងទិន្នន័យនេះ មានតែមួយចំណាត់ថ្នាក់របស់វត្ថុគឺ head ហើយសម្រាប់មុខក្បាលនីមួយៗ អ្នកទទួលបានតំបន់ចំណងបណ្ដោយទំហំ (bounding box) ។ អ្នកអាចអាន XML ដោយប្រើបណ្ណាល័យ Python ឬប្រើ បណ្ណាល័យនេះ ដើម្បីដោះស្រាយទ្រង់ទ្រាយ PASCAL VOC ដោយផ្ទាល់ ។

បណ្តុះម៉ូដែលរកមុខវត្ថុ

អ្នកអាចបណ្តុះម៉ូដែលរកមុខវត្ថុដោយប្រើមធ្យោបាយដូចខាងក្រោម៖

• ប្រើ Azure Custom Vision និង Python API របស់វា ដើម្បីបណ្តុះម៉ូដែលវិញ្ញាសានៅពពក។ Custom vision មិនអាចប្រើរូបភាពលើសរយៈរាប់រយសម្រាប់បណ្តុះម៉ូដែលទេ ដូច្នេះអ្នកប្រហែលជា​ត្រូវកំណត់ទិន្នន័យ។
• ប្រើឧទាហរណ៍ពី មេរៀន Keras ដើម្បីបណ្តុះម៉ូដែល RetunaNet។
• ប្រើ torchvision.models.detection.RetinaNet ដែលបង្កើតដោយ torchvision ។

លទ្ធផលសំខាន់

ការរកមុខវត្ថុគឺជាភារកិច្ចដែលត្រូវបានទាមទារញឹកញាប់នៅក្នុងឧស្សាហកម្ម។ ទោះបីជាមានសេវាកម្មខ្លះៗដែលអាចប្រើសម្រាប់បំពេញភារកិច្ចនេះ (ដូចជា Azure Custom Vision) ក៏ដោយ វាសំខាន់ណាស់ក្នុងការយល់ដឹងពីរបៀបដែលបច្ចេកវិទ្យារកមុខវត្ថុដំណើរការ ហើយអាចបណ្តុះម៉ូដែលរបស់អ្នកឯងបានផង។

---

ការបដិសេធ៖
ឯកសារនេះត្រូវបានបកប្រែដោយប្រើសេវាកម្មបកប្រែ AI Co-op Translator។ ខណៈពេលដែលយើងខិតខំរកភាពត្រឹមត្រូវ សូមយល់ថាការបកប្រែដោយស្វ័យប្រវត្តិអាចមានកំហុស ឬភាពមិនถูกត្រូវ។ ឯកសារដើមក្នុងភាសាទូទៅគួរត្រូវបានចាត់ទុកជាផលិតផលផ្លូវការ។ សម្រាប់ព័ត៌មានសំខាន់ៗ ការបកប្រែដោយអ្នកជំនាញផ្នែកមនុស្សគឺត្រូវបានណែនាំ។ យើងមិនទទួលខុសត្រូវចំពោះការយល់ច្រឡំ ឬការបកប្រែខុសៗណាមួយដែលកើតឡើងពីការប្រើប្រាស់ការបកប្រែនេះទេ។