معرفی شرکت ها

SDD-0.2.2.7

Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
0.2.2.7
0.2.2.6
0.2.2.5
0.2.2.4
0.2.2.7
0.2.2.6
0.2.2.5
0.2.2.4

توضیحات

lightweight video detection
ویژگی مقدار
سیستم عامل OS Independent
نام فایل SDD-0.2.2.7
نام SDD
نسخه کتابخانه 0.2.2.7
نگهدارنده []
ایمیل نگهدارنده []
نویسنده SocialDistance model contributors
ایمیل نویسنده thomascong@outlook.com
آدرس صفحه اصلی https://github.com/thomascong121/SocialDistance
آدرس اینترنتی https://pypi.org/project/SDD/
مجوز -
# SocialDistance Keep safe social distance is considered as an effective way of avoiding spreading of coronavirus. Our SocialDistance module __SDD__ is a lightweight package which provides an implementation of utlizing deep learning models for monitoring safe social distance. # Demo [Watch the demo video](https://www.youtube.com/watch?v=1s46BJJj6rw&t=5s) # Dataset We use the video clip collected from [OXFORD TOWN CENTRE](https://www.robots.ox.ac.uk/ActiveVision/Research/Projects/2009bbenfold_headpose/project.html) dataset and made the above demo video. # Supported Models We have tested our model using YOLO-v3 and SSD, based on the performance of each model, we have chosen YOLO-v3 as our default model All our pretrained models are selected from [Gluno CV Tookit](https://github.com/dmlc/gluon-cv) # Installation You may be able to obtain the latest version our model from: ``` pip install SDD ``` # How to Use After Successfully installed SocialDistance, you can use it for detection by: ``` import SDD import mxnet as mx from SDD.utils.Run import Detect detect = Detect(pretrained_models = 'yolo_v3') detector = detect(save_path = output_path_image, video = False, device = mx.cpu()) _ = detector(file_path) ``` > Parameters > ---------- - **pretrained_models**: str, Currently, we provided two pretrained models: 'yolo_v3' and 'ssd' - **save_path**: str, Path where you want to save the output video/ images - **video**: boolean, If your input is a video, set this parameter as True, if your input is a set of images, set this parameter as False - **device**: mx.cpu() or mx.gpu() - **file_path**: str, Input path of your video or image folder # Reference 1. Landing AI 16 April 2020, Landing AI Creates an AI Tool to Help Customers Monitor Social Distancing in the Workplace, accessed 19 April 2020, <https://landing.ai/landing-ai-creates-an-ai-tool-to-help-customers-monitor-social-distancing-in-the-workplace/>


نیازمندی

مقدار نام
- numpy
- tqdm
- mxnet-cu101
- matplotlib
- gluoncv


زبان مورد نیاز

مقدار نام
>=3.6 Python


نحوه نصب


نصب پکیج whl SDD-0.2.2.7:

    pip install SDD-0.2.2.7.whl


نصب پکیج tar.gz SDD-0.2.2.7:

    pip install SDD-0.2.2.7.tar.gz