
XEYE ist ein Paket für die Datenerfassung, um Computer Vision -Anwendungen zu erstellen, die auf inferentiellen Ergebnissen von Deep -Learning -Modellen basieren. Die Hauptgründe für die Verwendung von XEYE sind:
Um das Paket zu installieren,
pip install xeye
Das XEYE -Paket enthält zwei Hauptansätze zum Erstellen eines Datensatzes von Grund auf: Datensatz und ManualDataset.
Darüber hinaus bietet das Paket eine Methode zum Kombinieren von Datensätzen, die mit der BuildDataset -Klasse erstellt wurden.
Im Beispiel -Ordner finden Sie Beispiele für Deep -Learning -Modellimplementierungen basierend auf Datensätzen, die vom XEYE -Paket erstellt wurden (hergestellt mit TensorFlow- oder Pytorch -Frameworks).
Darüber hinaus enthält der Beispielordner Beispiele für Skripte, die das XEYE -Paket zum Erstellen von Datensätzen verwenden (Beispiel für Beispiele.
Mit XEYE können Sie einen Datensatz mit allen HikVision -IP -Kameras erstellen, die auf der ISAPI -Firmware aktualisiert wurden.
from xeye import Dataset
data = Dataset ( source = 'rtsp://admin:password@ip:port/ISAPI/Streaming/channels/101' ,
img_types = 2 , label = [ 'a' , 'b' ], num = 10 , height = 100 , width = 100 , stand_by_time = 0 )
data . preview ()
data . gray ()
data . compress_train_test ( perc = 0.2 )
data . compress_all ()
data . just_compress ( name = "batch_test" )Der RTSP -Stream verwendet standardmäßig Port 554. Wenn Sie ihn in der Gerätekonfiguration ändern, müssen Sie den für die RTSP -Verbindung angegebenen Port verwenden.
Wenn Sie den RTSP -Stream von einer Kamera erhalten möchten, die mit einem Hikvision -NVR verbunden ist, gibt die Zahl am Ende des RTSP -Streams an:
Hier ist ein Beispiel für die minimale Codemenge, um einen Datensatz mit XEYE mit der integrierten Kamera des Laptops zu erstellen:
from xeye import Dataset
data = Dataset ( source = 0 , img_types = 2 , label = [ 'a' , 'b' ], num = 10 , height = 100 , width = 100 , stand_by_time = 0 )
data . preview ()
data . rgb ()
data . compress_train_test ( perc = 0.2 )
data . compress_all ()
data . just_compress ( name = "batch_test" )