معرفی شرکت ها

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

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

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

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

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

توضیحات

lightweight video detection

ویژگی	مقدار
سیستم عامل	OS Independent
نام فایل	SDDetector-0.1.0
نام	SDDetector
نسخه کتابخانه	0.1.0
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/SDDetector/
مجوز	-

# SocialDistance Keep safe social distance is considered as an effective way of avoiding spreading of coronavirus. Our SocialDistance module 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 Faster-RCNN, YOLO-v3 and SSD, based on the performance of each model, we have chosen YOLO-v3 as our default model All our models are pretrained models 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 -i https://test.pypi.org/simple/ SocialDistance==0.1 pip install gluoncv pip install mxnet-cu101 ``` # Usage After Successfully installed SocialDistance, you can use it for detection by: ``` from SocialDistance.utils.Run import Detect detect = Detect() #you may want to give an image as input to check the validity of bird-eye view transformation detect(image) ``` If no arguments is given, our model will run using the default data collected from 'OXFORD TOWN CENTRE' dataset, otherwise you may want to specify arguments expicitly: ``` from SocialDistance.utils.Run import Detect detect = Detect(video_path, video_save_path, keypoints, keypoints_birds_eye_view, actual_length, actual_width, pretrained_models) #you may want to give an image as input to check the validity of bird-eye view transformation detect(image) ``` > Parameters > ---------- - **video_path**: input path of video - **video_save_path**: output path of labelled video - **keypoints**: selected key points from first frame of the input video - **keypoints_birds_eye_view**: mapping location of keypoints on the bird-eye view image - **actual_length**: actual length in real-world - **actual_width**: actual width in real-world - **pretrained_models**: selected pretrained models

زبان مورد نیاز

مقدار	نام
>=3.6	Python

نحوه نصب

نصب پکیج whl SDDetector-0.1.0:

pip install SDDetector-0.1.0.whl

نصب پکیج tar.gz SDDetector-0.1.0:

pip install SDDetector-0.1.0.tar.gz