Reconocimiento De Actividad; Detección De Posición De Cabeza; Clasificación De Aves - AWS DeepLens Guia

AWS DeepLens Guía para desarrolladores
Información general sobre los proyectos de muestra de
entrenado previamente y optimizado que ya está listo para implementarse en su dispositivo AWS
DeepLens. Después de la implementación, podrá ver conforme AWS DeepLens usa el modelo para
reconocer a sus mascotas.
• Modelo del proyecto: deeplens-cat-and-dog-recognition
• Función del proyecto: deeplens-cat-and-dog-recognition

Reconocimiento de actividad

Este proyecto reconoce más de 30 tipos de actividades.
Utiliza el marco Apache MXNet para transferir aprendizaje desde una SqueezeNet entrenada con
ImageNet a una nueva tarea. La red está configurada en un subconjunto del conjunto de datos UCF101
y es capaz de reconocer más de 30 actividades diferentes. El modelo toma la transmisión de vídeo de su
dispositivo AWS DeepLens como entrada y etiqueta las actividades que identifica. El proyecto utiliza un
modelo entrenado previamente y optimizado que ya está listo para implementarse en su dispositivo AWS
DeepLens.
Después de implementar el modelo, podrá ver conforme su AWS DeepLens utiliza el modelo para
reconocer 37 diferentes actividades, como, por ejemplo, maquillarse, pintarse los labios, tirar con arco,
practicar baloncesto, levantar pesas en el banco, ir en bicicleta, jugar al billar, secarse el pelo, soplar
velas, jugar a los bolos, lavarse los dientes, cortar objetos en la cocina, tocar el tambor, cortarse el pelo,
dar martillazos, caminar haciendo el pino, recibir un masaje en la cabeza, montar a caballo, jugar con
el hula-hop, hacer malabares, saltar a la cuerda, dar saltos en tijera, hacer zancadas, usar nunchakus,
tocar el chelo, tocar la flauta, tocar la guitarra, tocar el piano, tocar la cítara, tocar el violín, hacer flexiones,
afeitarse, esquiar, escribir a máquina, pasear el perro, escribir en una pizarra y jugar con un yoyó.
• Modelo del proyecto: deeplens-action-recognition
• Función del proyecto: deeplens-action-recognition
Detección de posición de cabeza
Este proyecto de muestra usa un modelo de aprendizaje profundo generado con el marco de trabajo
TensorFlow para detectar de manera precisa la orientación de la cabeza de una persona.
Este proyecto utiliza la arquitectura de red ResNet-50 para detectar la orientación de la cabeza. La red
se ha entrenado con el conjunto de datos Prima HeadPose, que comprende 2790 imágenes de las caras
de 15 personas, con variaciones de desplazamiento horizontal, vertical y de inclinación entre los -90 y los
+90 grados. Hemos categorizado estos ángulos de las posiciones de cabeza en 9 clases: abajo derecha,
derecha, arriba derecha, abajo, medio, arriba, abajo izquierda, izquierda y arriba izquierda.
Para ayudarle a empezar, hemos proporcionado un modelo entrenado previamente, optimizado y listo para
implementar en su dispositivo AWS DeepLens. Después de implementar el modelo, podrá ver cómo AWS
DeepLens reconocer diferentes posiciones de cabeza.
• Modelo del proyecto: deeplens-head-pose-detection
• Función del proyecto: deeplens-head-pose-detection
Clasificación de aves
Este proyecto realiza una predicción de las cinco especies de aves principales a partir de la foto de un ave
estática capturada por la cámara de AWS DeepLens.
Este proyecto utiliza la arquitectura de redes neuronales ResNet-18 para entrenar el modelo con el
conjunto de datos CUB-200. El modelo entrenado puede identificar 200 especies de aves distintas. Como
65