YOLO_Google Cloud

소개

메모. 이 저장소는 더 이상 적극적으로 유지되지 않습니다. 그러나 다른 사람들이 변경하고 싶다면 풀 요청을 입력하시면 최대한 빨리 변경 사항을 통합하기 위해 최선을 다하겠습니다. 행복한 코딩! :)

이 저장소는 Google Cloud에서 Google의 1 년 크레딧을 사용하여 무료로 제공되는 GPU를 사용하여 실시간으로 객체 감지를 수행 할 수있는 방법을 보여줍니다. 우리는 아래와 같이 웹 브라우저에서 시각화 할 수있는 객체 감지를 위해 Archictecture를 한 번만 보았습니다.

왜 이것을 사용해야합니까?

객체 감지는 어렵고 계산적으로 비싼 문제이며 모든 사람이 실시간 객체 감지를 수행하기 위해 GPU에 액세스 할 수있는 것은 아닙니다. 또한 대안이 있습니다. 예를 들어, Tensorflow는 경량 모빌 레넷 모델을 제공하지만 (여기 참조) 정확도가 감소하는 비용으로옵니다. 객체 감지는 iOS/Android에서도 사용할 수 있지만 앞에서 언급 한 것과 동일한 문제에 직면 해 있습니다.

WebrtChacks에는 흥미로운 솔루션이 제시되었습니다. 나는 그것을 직접 테스트했고 그것은 잘 작동합니다. 그러나이 솔루션은 웹캠 비디오를 일련의 인코딩 된 JPG 이미지로 보내서이 솔루션에 존재하지 않는 상당한 대역폭 사용 및 대기 시간을 초래합니다.

클라우드에서 객체 감지를 수행하면 이러한 문제가 발생합니다. 또한 사용하려는 GPU를 선택할 수 있으므로 실시간 정확도에 가까워지면서 여전히 "무거운"딥 신경망을 실행할 수 있다는 것입니다.

다음 모델에 대한 추론/테스트는 모두 100ms 미만의 대기 시간으로 검증되었습니다. 대기 시간은 Google Cloud Server의 위치와 위치에 따라 다릅니다 (나중에 자세한 내용).

• SSD Inception V2 Coco
• Yolo Coco
• Yolo 9000

의존성

• 우리는 Yolo Python GPU 바인딩을 사용합니다. 자세한 내용은 원래 저장소를 참조하십시오
• 브라우저를 통해 실시간 비디오 스트림을 보내려면 AIORTC라는 WebRTC 의 asyncio 구현을 사용합니다. AIORTC는 명령에 따라 설치해야 하며이 저장소를 사용할 수 있기 전에 작업해야합니다. 다음은 내가 컴파일 한 단계에 대한 요약입니다.

설치

Depenencies를 설치하십시오

1. Google Cloud Shell에서 다음을 실행하여 가상 머신 인스턴스를 만듭니다. VM을 배포 해야하는 프로젝트 이름으로 YOUR_PROJECT_NAME 교체하십시오.

   • gcloud beta compute --project=YOUR_PROJECT_NAME instances create instance-1 --zone=us-east1-b --machine-type=n1-standard-2 --subnet=default --network-tier=PREMIUM --maintenance-policy=TERMINATE --service-account=[e-mail] --scopes=https://www.googleapis.com/auth/devstorage.read_only,https://www.googleapis.com/auth/logging.write,https://www.googleapis.com/auth/monitoring.write,https://www.googleapis.com/auth/servicecontrol,https://www.googleapis.com/auth/service.management.readonly,https://www.googleapis.com/auth/trace.append --accelerator=type=nvidia-tesla-p100,count=1 --tags=http-server,https-server --image=c2-deeplearning-tf-1-12-cu100-20181120 --image-project=ml-images --boot-disk-size=60GB --boot-disk-type=pd-standard --boot-disk-device-name=instance-1

2. 아래에 표시된대로 새로 생성 된 인스턴스의 SSH 터미널을 엽니 다. 또한 외부 IP 에 주목하십시오. 나중에 필요합니다.

3. NVIDIA 드라이버를 설치하라는 메시지가 표시됩니다. y 입력하십시오.

4. FFMPEG 및 추가 패키지를 설치하십시오.

   • sudo apt install ffmpeg
   • sudo apt install libavdevice-dev libavfilter-dev libopus-dev libvpx-dev pkg-config

5. 설치가 완료되면 Git 저장소를 복제하고 종속성을 설치하십시오. 커피 한 잔을 마시십시오. 몇 분이 걸립니다.

   • cd ~
   • git clone https://github.com/omarabid59/YOLO_Google-Cloud.git
   • cd ~/YOLO_Google-Cloud
   • pip3 install -r requirements.txt

Yolo 모델을 다운로드하십시오.

1. 다음으로 다음 명령을 실행하여 Yolo Model CFG 파일 및 가중치 파일을 다운로드하십시오.
   • mkdir -p ~/YOLO_Google-Cloud/mlserver/model
   • cd ~/YOLO_Google-Cloud/mlserver/model
   • wget https://raw.githubusercontent.com/pjreddie/darknet/master/cfg/yolov3.cfg
   • wget https://pjreddie.com/media/files/yolov3.weights
   • wget https://raw.githubusercontent.com/pjreddie/darknet/master/data/coco.names

빠른 시작

1. 먼저 머신 러닝 서버를 실행하십시오.
   • nohup python3 ~/YOLO_Google-Cloud/mlserver/mlserverclient.py &
2. 다음으로 HTTP 서버를 실행하십시오. 아래에 명령 출력이 보이면 가면 좋다는 것을 의미합니다!
   • cd ~/YOLO_Google-Cloud/webserver/ && python3 httpserver.py
3. 이제 브라우저로 이동하여 다음을 입력하십시오. 여기서 YOUR_IP_ADDRESS 2 단계에서 얻은 것입니다.
   • https://YOUR_IP_ADDRESS:8889 그게 다야!

중요한 메모.

Google 크레딧 사용을 피하고 청구되는 경우 (크레딧을 초과하는 경우)