Supongo que por compatible, quieres decir razonablemente rápido, entonces probablemente sí.
Un algoritmo de detección de rostros es un modelo de clasificación. Hay dos etapas involucradas en la mayoría de los algoritmos de aprendizaje automático, ya sean profundos o no.
- Primero entrene el modelo con su conjunto de datos. Para hacer esto de manera eficiente, necesitará una computadora razonablemente potente (preferiblemente compatible con CUDA, ya que probablemente usaría algo como una CNN profunda). Asegúrese de obtener una buena precisión de clasificación en su conjunto de prueba. Una vez hecho esto, transfiera su modelo pre-entrenado a la frambuesa pi. El entrenamiento es un proceso de una sola vez y prácticamente no se puede hacer en una Raspberry Pi (probablemente terminarás entrenando durante semanas si intentas dependiendo de tu algoritmo)
- Ahora active el modelo previamente entrenado en la Raspberry Pi con nuevas imágenes y debería poder clasificarlas casi en tiempo real
Si quieres probarlo con un modelo existente por entrenador antes de construir el tuyo. Sugeriría dar el clasificador de imagen Inception v3 de Google (enlace tutorial a continuación) en su Raspberry Pi para ver cómo es el rendimiento.
- Nunca he programado antes. ¿Qué lenguaje de codificación debo aprender para cosas pequeñas en Raspberry Pi, etc.?
- ¿Qué tan factible es usar un Raspberry Pi como sistema de control en un quadcopter que vuela de forma autónoma?
- ¿Qué modelo de raspberry pi se debe comprar para el desarrollo?
- ¿Cuáles son los posibles proyectos interesantes con un dispositivo Raspberry Pi y Arduino Uno?
- ¿Cuáles son algunos buenos proyectos importantes basados en Raspberry Pi e IoT?
Reconocimiento de imagen | TensorFlow
