来自:魏鸿鑫

原文链接:https://zhuanlan.zhihu.com/p/32714614




“卧槽,又被 LYB 干了!” 背后传来一声哀嚎。

哈哈,看来,沉迷吃鸡的室友又被戒网瘾了。作为一个充满着正义的 LYB 的游戏,这人不长点眼力还真的不行啊。不过这时候一张图片吸引了我的兴趣:





网易《荒野行动》的车辆检测

能识别出视频中的汽车和人,这,不是外挂么?想到专业制裁 LYB 们的透视挂,这波我很强好吧。为探秘这 “外挂” 效果有多强,那我就来复现这个深度学习界的
“吃鸡挂”——SSD 目标检测。

  SSD 目标检测介绍

SSD 是一种 Object Detection 方法。本文的源代码是基于论文 SSD: Single Shot MultiBox
Detector(https://arxiv.org/abs/1512.02325 ),实现的 keras 版本。

该文章在既保证速度,又要保证精度的情况下,提出了 SSD 物体检测模型,与现在流行的检测模型一样,将检测过程整个成一个 single deep neural
network。便于训练与优化,同时提高检测速度。 SSD 将输出一系列离散化(discretization)的 bounding boxes,这些
bounding boxes 是在不同层次(layers)上的 feature maps 上生成的,并且有着不同的 aspect ratio。





  使用 RussellCloud 复现


做深度学习的,大家都知道最纠结的莫过于配置环境了。那么多框架那么多库那么多版本,稍有不注意,成倍的时间都花在踩坑上了。这在做复现的时候尤为明显,我不过是想跑一下别人的代码看看效果,结果完全搞不定。

使用 RussellCloud,轻松搞定环境问题,要啥,写个 requirement 就行了!

复现前准备:

*
注册 RussellCloud 账号

(注册邀请码可至论坛跟帖求助获取,每位已经注册的用户也有五枚好友邀请码)

*
安装 russell-cli 终端工具

$ sudo pip install -U russell-cli

*
Clone 项目代码,Git 地址 RussellCloud/SSD_keras

# clone代码 $ git clone https://github.com/RussellCloud/SSD_keras.git

使用命令行登录:

# 使用russell login命令 $ russell login

输入 y,网页登录后在网页端拷贝账户的 Token,粘贴进终端,回车。如果你使用 Windows
的命令行,可能会出现粘贴不进的情况,请右键窗口粘贴(或者点击左上角图标)。

成功登录输出:

Login Successful as XXX

新建项目:

来到 RussellCloud 主页,进入控制台,新建一个项目。项目名随便起一个,很多都可以不填,比较重要的是默认容器环境一定要选择:keras 。





  RussellCloud 创建项目页

初始化项目:

项目创建完成后记得在项目主页复制概览 ID,用于项目初始化。

# 绑定远程项目,此处<project_id>是在网页上复制的项目概览 ID $ russell init --id <project_id>

初始化成功输出:

Project "XXX" initialized in current directory

运行项目:

初始化完成后我们就可以用 russell run 命令运行项目了,这里我们项目下实现的是一个 IPython Notebook 工程,所以我们要使用
Jupyter 模式来启动我们的项目。

# russell run 以Jupyter模式启动项目 $ russell run --mode jupyter --data
df2750d1f1624857a27c7802494c6e39:model

成功运行 task 输出:

RUN ID                            NAME                  VERSION
--------------------------------  ------------------  ---------
780a8e053f2244cb9ea03faabc9f2694  RussellCloud/ssd:1          1 Setting up your
instance and waiting for Jupyter notebook to become available ... Path to
jupyter notebook:
http://cpu.russellcloud.com/notebook/780a8e053f2244cb9ea03faabc9f2694/    To
view logs enter:        russell logs 780a8e053f2244cb9ea03faabc9f2694

然后我们就会浏览器自动打开一个页面,这就进入到了我们的 Jupyter 环境下。



在线的 jupyter

然后我们可以看到我们所有的项目文件都展现在这个网页中了,当然我们还有挂载的 SSD_Weight 数据集在 / input/model
目录下没有显示出来。接下来我们就是打开这个 SSD.ipynb 开始运行啦!不过这里的代码有一些目录还还没有对应改好哦,所以我们这里按 cell
运行时候要及时查错,把相应的目录修改好。

成功运行完一遍,OK!



检测效果演示



  小记

“小编你这不是耍我么,吃鸡挂呢?”

当然我是有做测试的啦!只是效果不太理想(哭脸)。先上两张图感受一下。






这两张图都是来源于《绝地求生:大逃杀》的官方宣传片。第一张图算是识别出了人,可是,你识别自己有啥用喂喂喂。虽然玩家面前还有另一个人开着一辆跑车疾驰而来,但是它并没有识别出来。第二张图,穿着吉利服的
LYB,结果确实识别出来是一个鸟…… 好吧这还看着是有点像个鸟头。

我这里做的都只是一个图片的目标检测。如果做视频的目标检测,我想它应该能识别出来那辆疾驰而来的车。至于这个吉利服选手,怕是识别不出来了哈哈哈。看来,这个
“吃鸡挂” 的功力还远远不够。

但在其他图片上,这个 SSD 目标检测还是有不错的效果的:



检测出来的小猫咪

  参考资料

*
SSD: Single Shot MultiBox Detector(https://arxiv.org/abs/1512.02325 )

*
论文阅读:SSD: Single Shot MultiBox Detector(http://t.cn/RcpBQvu )

*
kuhung/SSD_keras(http://t.cn/RQzkgR5 )

*
rykov8/ssd_keras(http://t.cn/Rf9wNaO )

《深度学习 集训营》5月22日(周二)晚8点开营,BAT专家级讲师上课,还原真实工业生产环境,全程实战!提供GPU环境、考试1v1批改、就业指导及内推
,2个月挑战年薪50万!扫下方二维码立即试听


友情链接
ioDraw流程图
API参考文档
OK工具箱
云服务器优惠
阿里云优惠券
腾讯云优惠券
华为云优惠券
站点信息
问题反馈
邮箱:ixiaoyang8@qq.com
QQ群:637538335
关注微信