Controle de Redes Neurais para Câmeras Ativas Usando a Configuração Master-Slave

Código fonte associado ao artigo Controle de Redes Neurais para Câmeras Ativas Usando a Configuração Master-Slave, publicado no AVSS 2018. O pacote tem o código para uma abordagem baseada em aprendizado para controlar a configuração master-slave e uma estrutura para comparar diferentes métodos para o sistema de câmera master-slave.

Prerrequisitos:
Python 3.6
Numpy 1.4
Opencv 3.4
Keras 2.1.5
Tensorflow-gpu 1.7

Baixe o modelo Yolo e weight e mova-os para a pasta “model_data”

Como rodar:
Primeiro passo: Abra o arquivo “01-training_corresponding_points.py” e defina o ip da câmera. Execute o arquivo e as informações serão salvas na pasta “AutoMS”. Para criar os pontos correspondentes, siga os passos definidos em nosso artigo.

Segundo passo: Abra o arquivo “02-training_mlp_model.py”, defina o caminho do arquivo de texto dos pontos correspondentes e execute o arquivo python para treinar o modelo.

Terceiro passo: o arquivo “03-Reis_et_al._method_versus_your_method.py” você deve definir o ip das câmeras e o caminho do modelo / peso da rede neural.

Contato: Renan Reis (renanreis1@gmail.com)