【AI第二期实践项目:AIS - 办公环境动作检测】

背景/目标

  • 此帖子用于规范AI培训实践项目-- * 办公环境动作检测相关实验进度帖子,致力于使AI实践项目进度可控,方便不同小组之间的交流

项目信息

  • 项目名称: * [办公环境动作检测]
  • 定义:对办公环境动作进行检测
  • 真实价值:应用于办公室场景

介绍该研究计划的参与人,分工足够清晰可以明确各参与人的职责和任务

小组成员:

@王建雄 (负责:需求&技术指导)
@张峰 (负责:研发)
@樊星光 (负责:研发)

清晰介绍研究计划的现状和目标是必要的,用来帮助他人了解你研究计划的目的和价值

项目现状

  • 描述当前项目的现状,突出该项目在核心任务上的时间节点
    本周开始熟悉相关工具,包含AIS、Data Master

目标

详细介绍该研究项目的重点考虑问题和研究计划目标,帮助自己和他人剖析研究问题,方便自己制定具体的细化目标和攻坚时间(细化目标一定要配上攻坚/sync的时间),方便他人了解实验细节

1、识别办公室场景下的特定动作,准确率符合预期
2、检验AIS等相关平台工具的实战性
3、提供平台相关建议

需要重点考虑的问题

  • 介绍该项目计划的主要难点和困难,方便预期该研究计划的时间和规划
  • :chestnut:
    • 相关训练数据少
    • 密集场景遮挡严重,导致id swicth现象严重
    • 缺乏科学评测的bhk

研究计划细化目标

  • 平台工具学习:2020年5月10日 → 2020年5月16日
  • 数据准备、处理:2020年5月17日 → 2020年5月30日
  • 模型训练:2020年5月31日 → 2020年6月26日
  • 模型交付: 2020年6月1日 → 2020年7月4日

明确该研究计划的评价指标,同时在此处更新最新实验结果,让他人对你的实验进展一目了然

评价指标/结果

  • 提供模型
  • 提供平台使用建议

对训练集和验证集进行格式转换和可视化

  • 格式校验
    • 训练数据:snapdet sds-validate s3://zhangfeng/practicle/train.sds:通过
      image
    • 测试数据:snapdet sds-validate s3://zhangfeng/practicle/test.sds:通过
      image
  • 数据可视化
    • 训练数据:snapdet data-visualize s3://zhangfeng/practicle/train.sds --num-samples=100 通过
      image
    • 测试数据:snapdet data-visualize s3://zhangfeng/practicle/test.sds --num-samples=100
      s3://snapdet-tmp/data-visualize/zhangfeng/2021-05-25-20-26-55.7777404c-9fcc-4253-8004-391e9dd66985

使用DataMaster对数据进行分析

使用AIS自动学习训练一版模型

使用AIS模型评测功能对指标进行分析:误报、漏检等,提出接下来的优化建议

  • 把模棱两可的照片去掉,比如吃东西,要有明显吃的动作才算
  • 补充照片集

下载各自任务自动学习之后的模型,并跑通单张图片的推理

  • 模型下载
    image
  • 单张推理
    image
    image

模型封装成算法仓

  • docker 打包
    sudo docker build -t ampregistry:5000/demo-name:0.0.1 ./
  • devops部署
    image
  • 算法仓启动
    image
  • 算法仓测试
    image
    image