Innovation Craftsman
Buenas!
Hay muchos programas para promover la diversidad en los ambientes de trabajo. Muchas de estos programas también se centran en animar a que las mujeres estudien carreras de ingeniería.
En mi caso particular, creo que los siguientes 4 minutos son la mejor forma de explicar lo que puedes hacer siendo un ingeniero o ingeniera.
Importante: Si has leído el libro, y has visto la película, ¡lo que comenta Cindy Healy tiene el doble de valor!
Saludos @ Toronto
El Bruno
References
Hi!
I have to take advantage of the fact that there is just a satellite above me, because in the middle of northern Canada, I only have internet 10 minutes a day.
A few weeks ago I was lucky enough to be invited to MundoSQL to share 60 minutes with an introduction to Machine Learning.Net for programmers. My friend Juan Carlos was living by a series of misfortunes that keep him On Hold during this time. Luckily, everything has returned to normal and he has already been able to upload the recording of the session
By the way, not being connected is compensated with these 360 views
And being able to run half marathons in places like this
Happy coding!
Greetings @ Massey
El Bruno
Buenas!
Tengo que aprovechar que justo hay un satélite arriba mio, ya que en el medio del norte de Canada, solo tengo internet 10 minutos al dia (literales!)
Hace unas semanas tuve la suerte de ser invitado a MundoSQL para hablar 1 hora con una introducción a Machine Learning.Net para programadores. Al amigo Juan Carlos se le sumaron una serie de desdichas que lo tuvieron OnHold durante este tiempo. Por suerte, todo ha vuelto a la normalidad y ya ha podido subir la grabación de la sesión
Por cierto, no estar conectado se compensa con estas vistas 360
Y pudiendo correr medias maratones en sitios como este
Happy coding!
Saludos @ Massey
El Bruno
Windows 10 and YOLOV2 for Object Detection Series
Hi!
In today’s post I’ll share some experience on how to download the latest version of Tiny-YoloV3 and use it in the UWP App that I created in previous posts. Important, the Tiny-YoloV2 model I’ve used in previous posts was in Onnx format, and it was downloaded from Azure AI Gallery.
We can download Tiny-YoloV3 from the official site, however I will work with a version that is already compiled in CoreML format, CoreML format is usually used in iOS apps (see References).
Well, to convert the model of CoreML To Onnx, we will use Visual Studio Tools For Ai. And the next set of software
Once all the software is installed, we can follow the step by step of [Ai Converting Models To ONNX] to convert our model. However, the road is not as simple as it seems. The 1st thing we can find are errors like the following
Problems with Python, in my case had several versions of Python installed, but the IDE had no marked as [Default]. From the panel [Pythin Environments] You can fix this
Next Problem I need some configuration on my part, it was related to Prerequisites for conversion. It all starts with [Missing Package WinMLTools]
—————————
Error
—————————
Missing package WinMLTools, please check details in output window.
—————————
OK
—————————
Traceback (most recent call last):
File “C:\Users\<Bruno>\AppData\Local\Microsoft\VisualStudio\15.0_e5344afb\Extensions\kzqekf1z.44v\RuntimeSDK\model\model_converter_cli.py”, line 76, in check_winmltools_installed
import winmltools
ModuleNotFoundError: No module named ‘winmltools’
However After Of Investigate for a while, these are the 2 Packages I need to install
Microsoft ML Tool (winmltools)
pip3 install winmltools==0.1.0.5072
CoreML Tools
pip3 install “git+https://github.com/apple/coremltools@v0.8”
As always, 1st thing to do is update Python
And now we can launch the conversion operation again
And a few seconds later we already have our Tiny-YoloV3 in format Onnx
Because the model respects the Input/Output of the previous version, we only have to replace the file in our solution. I have added the new Onnx Just to have a little more control over the example.
As I have always updated the complete example in GitHub
https://github.com/elbruno/Blog/tree/master/20180709%20UwpMLNet%20TinyYoloV3
Happy Coding!
Greetings @ Toronto
El Bruno
References
Crear una Windows 10 UWP App y utilizar YoloV2 para reconocer objetos
Buenas !
En el post de hoy comentare como descargar la última versión de Tiny-YoloV3 y utilizarla en la UWP App que cree en post anteriores. Solo como reminder, la versión que utilice era Tiny-YoloV2 que es la que esta disponible en formato Onnx para descargar desde Azure AI Gallery.
Podemos descargar Tiny-YoloV3 desde su página oficial, sin embargo yo trabajare con una versión que ya está compilada en formato CoreML, que el formato de ML que se suele utilizar en apps iOS (ver referencias).
Pues bien, para convertir el modelo de CoreML a Onnx, utilizaremos Visual Studio Tools for AI, y el siguiente conjunto de software
Una vez instalado todo el software, podemos seguir el paso a paso de [AI Converting models to ONNX] para convertir nuestro modelo. Sin embargo, el camino no es tan simple como parece. Lo 1ro que nos podemos encontrar son errores como el siguiente
Problemas con Python, en mi caso tenia varias versiones de Python instaladas, pero el IDE no tenia ninguna marcada como [Default]. Desde el panel [Pythin Environments] se puede solucionar esto
El siguiente problema que necesito un poco de configuración de mi parte, estaba relacionado con prerequisitos para la conversión. Todo comienza con [Missing package WinMLTools]
—————————
Error
—————————
Missing package WinMLTools, please check details in output window.
—————————
OK
—————————
Traceback (most recent call last):
File “C:\Users\<Bruno>\AppData\Local\Microsoft\VisualStudio\15.0_e5344afb\Extensions\kzqekf1z.44v\RuntimeSDK\model\model_converter_cli.py”, line 76, in check_winmltools_installed
import winmltools
ModuleNotFoundError: No module named ‘winmltools’
Sin embargo, despues de investigar un rato, estas son los 2 packages que necesito instalar
Microsoft ML Tool (winmltools)
pip3 install winmltools==0.1.0.5072
CoreML Tools
pip3 install “git+https://github.com/apple/coremltools@v0.8”
Claro, antes hay que actualizar Python
Y ya podemos lanzar nuevamente la operación de conversión
Y pocos segundos después ya tenemos nuestro Tiny-YoloV3 en formato Onnx
Como el modelo respeta el Input / Output de la versión anterior, solo debemos reemplazar el archivo en nuestra solución. Yo he agregado el nuevo Onnx solo para tener un poco mas de control sobre el ejemplo.
Como siempre he actualizado el ejemplo completo en GitHub
https://github.com/elbruno/Blog/tree/master/20180709%20UwpMLNet%20TinyYoloV3
Happy Coding!
Saludos @ Burlington
El Bruno
References
Hi!
After writing a step by step on how to use YoloV2 in a Windows App 10, I find that in the latest versions of Windows Insider, WinML It’s not working properly.
Windows 10 and YOLOV2 for Object Detection Series
I’ve reported the problem here Https://aka.ms/AA1sy9u And in my particular case in my Device With the version [17711.1000] as something fails in the UWPs App that use ONNX.
On another machine with version [17134.1] and it works properly
Happy Coding!
Greetings @ Toronto
El Bruno
References
Buenas!
Después de escribir un paso a paso sobre como utilizar YoloV2 en una App Windows 10, me encuentro con que en las ultimas versiones de Windows Insider, WinML no funciona correctamente.
Crear una Windows 10 UWP App y utilizar YoloV2 para reconocer objetos
He reportado el problema aquí https://aka.ms/AA1sy9u y en mi caso particular en mi device con la versión [17711.1000] pues algo falla en las UWPs app que utilizan ONNX.
En otra máquina con versión [17134.1] funciona correctamente
Happy Coding!
Saludos @ Toronto
El Bruno
References
Windows 10 and YOLOV2 for Object Detection Series
Hi!
Let me start from my previous post where I already coded a a real-time video camera feed process using with Tiny-YoloV2. The model returns results in a 416×416 size image, and that’s why the detected frame with the person looks kind of weird.
It’s not complicated to work with the output so it can be adapted to the size of the Webcam control, only a couple of lines of code.
And in this way, we can draw the frames with the right format. In the following image it is possible to see how a person is detected, with a low precision score and as well as one of the pictures on the wall it is detected as a monitor.
From here, it’s all about optimization, for example, take the value of the webcam control only when the app is resized.
In the final example, I have also added a visual indicator as a status bar, which shows the number of frames processed per second and the real size of the elements in the App.
The full code for the example can be downloaded from
https://github.com/elbruno/Blog/tree/master/20180704%20UwpMLNet%20TinyYoloV2
Happy Coding!
Greetings @ Toronto
El Bruno
References
Crear una Windows 10 UWP App y utilizar YoloV2 para reconocer objetos
Buenas!
Si retomamos el post anterior veremos que ya tenemos un proceso en tiempo real del video de la webcam analizado con Tiny-YoloV2. El modelo retorna resultados en una imagen de tamaño 416×416, y es por eso por lo que la imagen anterior el Frame de la persona se ve con un aspecto extraño.
El tratamiento para que el output se adapte al tamaño del control del WebCam puede solucionarse con 2 líneas de código.
Y de esta forma, ya podemos dibujar los Frames con el aspecto correcto. En la siguiente imagen es posible ver como se detecta una persona, con un bajo score de precisión y como además uno de los cuadros de la pared se lo detecta como un monitor.
A partir de aquí se pueden optimizar muchas cosas, por ejemplo, solo tomar el valor del tamaño
del canvas en el Resize de la App.
En el ejemplo final, he agregado además un indicador visual que muestra la cantidad de frames procesados por segundo y el tamanio real con el que se esta trabajando.
El código completo del ejemplo se puede descargar desde
https://github.com/elbruno/Blog/tree/master/20180704%20UwpMLNet%20TinyYoloV2
Happy Coding!
Saludos @ Mississauga
El Bruno
References
Windows 10 and YOLOV2 for Object Detection Series
Hi!
Today I start with the final UWP App running because much of the post will be code and more code. The expected output in a Windows 10 object recognition App with YoloV2 is similar to the following image
Following in the footsteps of my previous post, we were with the result of the process of our Webcam With YoloV2 and that is an array of 21125 Numbers Float. Well, this number is not trivial, as rereading the documentation of YOLOV2 we see that YOLO divides the image into a 13-by 13-cell grid:
Each of these Cells It is responsible for predicting 5 bounding boxes. A bounding box describes the rectangle that contains an object. and from here The number
13 * 13 * 125 = 21125
There are many posts that describe how Yolo works internally, I left some in the references if someone is interested in the details.
Well, in this scenario the next step was to start translating that Grid[21125] in C# objects to work with. As the internet is a very broad source of knowledge, instead of translating some of the Python classes that already exist, I saw that Rene Schulte It had between its GitHub repositories a Fork From another repo where you could see the following classes
To show these frames, we add a Canvas About the control that shows the Feed of the camera.
The following code completes the example, with the following considerations
The only detail that remains to comment is that YoloV2 is designed to work with images of size 416 x 416. In this case you have to resize the control of Webcam and the Canvas To that Size So that the frames are displayed in the correct position.
In the next post I will share the final example, and also add some work of Rescaling To be able to support other definitions different from 416 x 416.
Happy Coding!
Greetings @ Toronto
El Bruno
References
