如何使用经过训练的 AWS 模型执行实时对象检测

如何解决如何使用经过训练的 AWS 模型执行实时对象检测

使用 AWS SageMaker 成功训练对象检测模型后,如何使用此模型对 RTSP 视频执行实时对象检测?

解决方法

实时物体检测的一种解决方案如下。

训练模型后,将模型上传到 S3。您可以使用

检查这个
$aws sagemaker list-training-jobs --region us-east-1

然后,您需要在 Amazon SageMaker 终端节点上使用经过训练的模型。你可以使用这个来做到这一点:

object_detector = estimator.deploy(initial_instance_count = 1,instance_type = 'ml.g4dn.xlarge')

在您的模型附加到端点后,您需要创建一个 API,以允许用户将输入传递给您的训练模型以进行推理。您可以使用 Serverless 执行此操作。使用 Serverless,您可以创建一个模板,该模板将创建一个 Lambda 函数作为 handler.py 和 serverless.yml,它需要根据您的应用程序的运行方式进行配置。确保在 serverless.yml 中指定端点名称 SAGEMAKER_ENDPOINT_NAME 以及 Resource: ${ssm:sagemakerarn}。这是一个需要传入的允许策略资源(AWS Systems Manager 代理)参数。在您的 lambda 函数中,确保您调用了您的 SageMaker 终端节点。

您现在可以在此处部署 API 以进行实时检测:

serverless deploy -v 

最后,您可以使用 curl 来调用您的 API。

请参阅 here 了解详细的演练。

,

您尚未指定将在何处托管模型:在 AWS、移动设备或其他设备上。但是,一般的方法是您的模型(假设 CNN 处理图像)将一次消耗一帧。您尚未指定编程语言或库,因此这里是伪代码中的一般过程:

while True:
    video_frame = get_next_rtsp_frame()
    detections = model.predict(video_frame)
    # There might be multiple objects detected,handle each one:
    for detected_object in detections:
        (x1,y1,x2,y2,score) = detected_object # bounding box
        # use the bounding box information,say to draw a box on the image
        

实时视频流要求的一个挑战是避免延迟,具体取决于您的平台以及您在循环中进行的处理类型。您可以跳过帧或不缓冲丢失的帧来解决此问题。

版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。

相关推荐


使用本地python环境可以成功执行 import pandas as pd import matplotlib.pyplot as plt # 设置字体 plt.rcParams['font.sans-serif'] = ['SimHei'] # 能正确显示负号 p
错误1:Request method ‘DELETE‘ not supported 错误还原:controller层有一个接口,访问该接口时报错:Request method ‘DELETE‘ not supported 错误原因:没有接收到前端传入的参数,修改为如下 参考 错误2:cannot r
错误1:启动docker镜像时报错:Error response from daemon: driver failed programming external connectivity on endpoint quirky_allen 解决方法:重启docker -> systemctl r
错误1:private field ‘xxx‘ is never assigned 按Altʾnter快捷键,选择第2项 参考:https://blog.csdn.net/shi_hong_fei_hei/article/details/88814070 错误2:启动时报错,不能找到主启动类 #
报错如下,通过源不能下载,最后警告pip需升级版本 Requirement already satisfied: pip in c:\users\ychen\appdata\local\programs\python\python310\lib\site-packages (22.0.4) Coll
错误1:maven打包报错 错误还原:使用maven打包项目时报错如下 [ERROR] Failed to execute goal org.apache.maven.plugins:maven-resources-plugin:3.2.0:resources (default-resources)
错误1:服务调用时报错 服务消费者模块assess通过openFeign调用服务提供者模块hires 如下为服务提供者模块hires的控制层接口 @RestController @RequestMapping("/hires") public class FeignControl
错误1:运行项目后报如下错误 解决方案 报错2:Failed to execute goal org.apache.maven.plugins:maven-compiler-plugin:3.8.1:compile (default-compile) on project sb 解决方案:在pom.
参考 错误原因 过滤器或拦截器在生效时,redisTemplate还没有注入 解决方案:在注入容器时就生效 @Component //项目运行时就注入Spring容器 public class RedisBean { @Resource private RedisTemplate<String
使用vite构建项目报错 C:\Users\ychen\work>npm init @vitejs/app @vitejs/create-app is deprecated, use npm init vite instead C:\Users\ychen\AppData\Local\npm-
参考1 参考2 解决方案 # 点击安装源 协议选择 http:// 路径填写 mirrors.aliyun.com/centos/8.3.2011/BaseOS/x86_64/os URL类型 软件库URL 其他路径 # 版本 7 mirrors.aliyun.com/centos/7/os/x86
报错1 [root@slave1 data_mocker]# kafka-console-consumer.sh --bootstrap-server slave1:9092 --topic topic_db [2023-12-19 18:31:12,770] WARN [Consumer clie
错误1 # 重写数据 hive (edu)> insert overwrite table dwd_trade_cart_add_inc > select data.id, > data.user_id, > data.course_id, > date_format(
错误1 hive (edu)> insert into huanhuan values(1,'haoge'); Query ID = root_20240110071417_fe1517ad-3607-41f4-bdcf-d00b98ac443e Total jobs = 1
报错1:执行到如下就不执行了,没有显示Successfully registered new MBean. [root@slave1 bin]# /usr/local/software/flume-1.9.0/bin/flume-ng agent -n a1 -c /usr/local/softwa
虚拟及没有启动任何服务器查看jps会显示jps,如果没有显示任何东西 [root@slave2 ~]# jps 9647 Jps 解决方案 # 进入/tmp查看 [root@slave1 dfs]# cd /tmp [root@slave1 tmp]# ll 总用量 48 drwxr-xr-x. 2
报错1 hive> show databases; OK Failed with exception java.io.IOException:java.lang.RuntimeException: Error in configuring object Time taken: 0.474 se
报错1 [root@localhost ~]# vim -bash: vim: 未找到命令 安装vim yum -y install vim* # 查看是否安装成功 [root@hadoop01 hadoop]# rpm -qa |grep vim vim-X11-7.4.629-8.el7_9.x
修改hadoop配置 vi /usr/local/software/hadoop-2.9.2/etc/hadoop/yarn-site.xml # 添加如下 <configuration> <property> <name>yarn.nodemanager.res