Entradas

Entrada destacada

¿Cuál es tu color de corbata favorito? Análisis en Tensor Flow

Imagen
Seguramente en reuniones formales, encuentros de etiqueta, e incluso en el mundo de los negocios alguna vez eligieron o criticaron el color de una corbata. Esto también es posible para el mundo de la visión por computador.

El desafío de hoy será analizar una imagen, extraer sus objetos, identificar clases las corbatas y luego analizar su color dominante. Es un lindo desafío si pensamos a futuro combinar de una manera apropiada nuestra vestimenta.

Vamos a utilizar Tensor Flow y el modelo de Object Detection. Seguiremos este esquema arquitectónico:
Vamos a seleccionar algunas imágenes y aplicar nuestra propuesta.
Imágenes seleccionadas El objetivo fue seleccionar diferentes escenarios con diferentes colores para nuestro conjunto de prueba.

Soluciones

Soluciones en RGBs:
[171,14,12][249,55,53][ 33,144,216][48,88,76] Procedimiento utilizado Procesaremos las imágenes con el modelo de detección de objetos de Tensor Flow, luego, utilizando las cajas de detección utilizados para identificar l…

TensorFlow Object Detection en 5 clicks desde Colaboratory

Imagen
Si uno de tus objetivos es realizar algunas pruebas de investigación sobre ciencia de datos, aprendizaje automático o un escenario similar, pero a la vez la idea que tienes es utilizar el menor tiempo posible para configurar el entorno, una muy buena propuesta desde el equipo de Google Research es Colaboratory.

Para esta oportunidad les preparé la utilización de la API de TensorFlow Object Detection en solo 5 clicks. Qué opinan si  analizamos los objetos de una imagen con el objetivo de usar  una implementación de menos de 60 segundos?


Seguramente se preguntan, cómo pueden usar esta implementación? La respuesta es muy simple,  accediendo aquí y utilizando la secuencia de pasos propuestos. Pueden ver los detalles de cada paso a continuación.
Paso 1 Para este paso incluí la descarga del modelo al entorno virtual que propone Colaboratory. El resto de librerías como la de TensorFlow ya está disponibles al conectar el entorno, con lo cual no es una preocupación para esta implementación. …

Una opción de servicio para interactuar con cámaras Arlo

Imagen
Interactuar con el sistema Arlo es muy atractivo para quienes adquirieron el hardware y disfrutan de todas las bondades de estos equipos. Que por cierto son muy buenos, flexibles y llenos de buenas propiedades.

Para interactuar con este sistema con una perspectiva de desarrollador, encontré dos proyectos interesantes con base python.

Python-arlo: https://github.com/tchellomello/python-arlo
Arlo: https://github.com/jeffreydwalter/arlo

Ambos proponen diferentes características pero python-arlo tiene una buena documentación y estructura de su API.

El objetivo para esta integración es dar soporte a solicitudes desde Google Assistant, por este motivo lo integre a un proyecto App Engine flex env. Incluí flask como framework de interacción y con esto tener la opción de utilizar una interfaz de servicios.

Este sería nuestro mapa arquitectónico ideal: 

Buscamos continuar con la solicitud iniciada por:


Hey Google ….
dónde está mi perro? 

*Por supuesto que la lógica la tendremos que implementar …

Google Assistant, simpleza de interacción para llamar a un webhook

Imagen
La creación de una aplicación utilizando Google Assistant es muy simple y de gran impacto para interactuar con usuarios en diversos entornos y particularmente en hogareños.

Hey Google
...dónde está mi mascota?

Si planeamos conectar un sistema de cámaras de seguridad, el desafío de encontrar de forma automatizada mi mascota es más factible, luego les voy a dar más detalles de cómo pienso realizarlo. Por ahora nos vamos a preocupar en trabajar en sobre las solicitudes del asistente.

Para crear un agente e interactuar con Google Assistant vamos a utilizar DialogFlow.

Veamos los principales elementos a tener en cuenta para crear un agente, y desde este agente llamar a un webhook con alguna funcionalidad. *Parte del objetivo será dejar preparada la lógica de interacción con un sistema de seguridad hogareño


*Arlo System

Desde la consola de DialogFlow, crearemos un nuevo agente:
Podemos personalizar los diferentes idiomas de soporte, para este caso voy a utilizar inglés para facilitar las pr…

Siguiendo a Messi utilizando TensorFlow y Object Detection

Imagen
En publicaciones anteriores estuvimos utilizando TensorFlow en combinación con el modelo de Object Detection, pero siempre haciendo uso de los tradicionales conjuntos de datos preestablecidos [ejemplo COCO database]. En esta oportunidad, nuestro desafío debería llevarnos a otro nivel. Les propongo analizar un segmento de un partido de fútbol e identificar sus jugadores. Al hablar de fútbol, lo primero que me vino a la mente es buscar el talento del astro argentino Lionel Messi. Empecemos nuestro análisis:
Entrenemos un modelo personalizado que nos permita ubicar a astro argentino.Analicemos una transmisión real [en este caso seleccioné Uruguay-Argentina por eliminatorias 31 de agosto 2017] para ver qué resultados podemos obtener.Pensemos si es posible mejorar o aportar algo a la táctica de este pasional deporte, utilizando esta tecnología. *Vamos a utilizar TensorFlow y el modelo propuesto para Object Detection, todo bajo licencia Apache License 2.0.

En esta oportunidad voy a empezar p…