руководитель проекта: Илья Захаркин (Сколтех, ФИВТ МФТИ) | @ilyazakharkin
Установка зависимостей
cd detection-dlschool
pip install -r requirements.txt
Запуск сервера
python -m flask run
или
python app.py
Я выбрала torchvision.models.detection.fasterrcnn_resnet50_fpn
.
Flask, Flask-Bootstrap
Первоначально сервер был сделан по туториалу 1 и туториалу 2.
При деплое возникли некоторые проблемы. Модель оказалась требовательна к ресурсам и во время предсказания могла занимать около 1.5Гб оперативной памяти. На локальной машине она работает нормально, но Heroku крашился во время предсказания из-за нехватки RAM, поэтому пришлось воспользоваться Google Cloud с большей вычислительной мощностью.
Демо работает хорошо только со стоковыми изображениями (то есть с белым фоном и без размытий). На обычных фотографиях не предсказываются боксы (очень маленький скор, около 0.1).
Например:
- неплохо;
- пойдёт;
- вообще ничего.
-
Попробовать другие модели детекции (YOLOv3, detectron).
-
Сделать подписи к обнаруженным объектам.
-
Попробовать изменить метод сохранения предсказанного изображения (например, сохранять в файл).