wko-projekt

Go to file

Maciej Czajka b1a0283a77 Merge pull request 'Powodzenia w przeglądaniu tego PR'a' (#2 ) from cleaning_refactor into master Reviewed-on: #2		2023-02-01 11:31:38 +01:00
API	next empty init in dir because git is `disabled` and can't push empty folders	2023-02-01 10:59:00 +01:00
App/LicensePlates	Add global `_apiAddress` var + reformat	2023-02-01 01:10:34 +01:00
README.md	create README.md	2023-02-01 01:35:38 +01:00

README.md

Aplikacja iOS rozpoznająca tablice rejestracyjne pojazdów

Surowy zbiór danych:

Kaggle/car-plate-detection

Dane przygotowane do uczenia modelu:

Roboflow/wko (należy pobrać w formacie yoloV3 Keras)

Aby uruchomić trening modelu z folderu API należy w pliku train.py zmodyfikować domyślne ścieżki z anotacjami, oczekiwanymi klasami oraz wielkościami ramek (anchors). Następnie można uruchomić powyższy plik i czekać na model. W rezultacie otrzymamy dwa modele:

_stage.h5 - model po podstawowym uczeniu;
_final.h5 - model po fine tuningu na odmrożonych warstwach z domyślnego procesu uczenia.

Aplikacja

Aby skorzystać z aplikacji należy najpierw uruchomić API oparte na frameworku FLASK - (python -m pip install flask), z którym komunikuje się aplikacja. W tym celu trzeba wywołać poniższe polecenia z głównego katalogu projektu:

export FLASK_APP=API/api.py
flask run --without-threads W terminalu otrzymamy address na którym serwis został uruchomiony. Należy go skopiować i po otwarciu projektu App/LicensePlates/LicensePlates.xcodeproj wkleić jako wartość zmiennej _apiAddress_ w klasie Api.
Ostatnim krokiem jest zbudowanie aplikacji w IDE.