README.md

使用 Hollywood Heads 資料集進行頭部檢測

來自 AI for Beginners Curriculum 的實驗作業。

任務

在監控攝影機的影片流中計算人數是一項重要的任務，這可以幫助我們估算商店的訪客數量、餐廳的繁忙時段等。為了解決這個任務，我們需要能夠從不同角度檢測出人類的頭部。為了訓練能夠檢測人類頭部的物件檢測模型，我們可以使用 Hollywood Heads 資料集。

資料集

Hollywood Heads 資料集 包含 369,846 個人類頭部的標註，這些標註來自 224,740 幅好萊塢電影的影格。該資料集以 PASCAL VOC 格式提供，其中每張圖片都有一個對應的 XML 描述檔案，格式如下：

<annotation>
	<folder>HollywoodHeads</folder>
	<filename>mov_021_149390.jpeg</filename>
	<source>
		<database>HollywoodHeads 2015 Database</database>
		<annotation>HollywoodHeads 2015</annotation>
		<image>WILLOW</image>
	</source>
	<size>
		<width>608</width>
		<height>320</height>
		<depth>3</depth>
	</size>
	<segmented>0</segmented>
	<object>
		<name>head</name>
		<bndbox>
			<xmin>201</xmin>
			<ymin>1</ymin>
			<xmax>480</xmax>
			<ymax>263</ymax>
		</bndbox>
		<difficult>0</difficult>
	</object>
	<object>
		<name>head</name>
		<bndbox>
			<xmin>3</xmin>
			<ymin>4</ymin>
			<xmax>241</xmax>
			<ymax>285</ymax>
		</bndbox>
		<difficult>0</difficult>
	</object>
</annotation>

在這個資料集中，只有一種類別的物件 head，對於每個頭部，您可以獲取其邊界框的座標。您可以使用 Python 的相關函式庫來解析 XML，或者使用 這個函式庫 直接處理 PASCAL VOC 格式。

訓練物件檢測模型

您可以使用以下方法之一來訓練物件檢測模型：

• 使用 Azure Custom Vision 和其 Python API，在雲端以程式化方式訓練模型。Custom Vision 無法使用超過幾百張圖片來訓練模型，因此您可能需要限制資料集的大小。
• 使用 Keras 教學範例 來訓練 RetunaNet 模型。
• 使用 torchvision.models.detection.RetinaNet 中的內建模組進行訓練。

重點

物件檢測是業界中經常需要的任務。雖然有一些服務可以用來執行物件檢測（例如 Azure Custom Vision），但了解物件檢測的運作原理並能夠訓練自己的模型同樣重要。

免責聲明：
本文件使用 AI 翻譯服務 Co-op Translator 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對因使用此翻譯而引起的任何誤解或錯誤解釋概不負責。