YOLO¶
La seconde étape après l’isolation de couleur avec OpenCV, a été de trouver des méthodes de reconnaissance sous ROS.
Nous avons trouvé sur Github https://github.com/PaolaArdon/Salt-Pepper/tree/master/pepper_recog/src un paquet qui permettait
de faire la reconnaissance d’objet avec le robot Pepper. Mais pour l’utilisation de celui-ci, il fallait tout d’abord installer Pynaoqi,
ce qui n’a pas pu être réalisé.
On s’est alors retourné vers une reconnaissance dans un premier temps avec la caméra de l’ordinateur.
On a trouvé deux méthodes :
-ORK (Object Recognition Kitchen) http://wg-perception.github.io/object_recognition_core/
-YOLO (You only look once) https://pjreddie.com/darknet/yolo/
Ces deux méthodes permettent de créer sa propre base de données.
On a choisi de travailler avec YOLO car son installation était plus rapide. 
Nous avons donc installé les paquets nécessaires pour utiliser YOLO.
ces paquets se trouve ici :
https://github.com/pjreddie/darknet et https://github.com/puzzledqs/BBox-Label-Tool .
Dans le dossier BBox-Label-Tool, on génère des données d'entrainement dans le format requis par YOLO.
Après l'installation des paquets, il a fallu lancer l'algorithme d'entrainement de la balle bleue.
Pour réaliser cet entrainement et pour que la détection soit bien réussi il faut au moins 300 images de la balle bleue
sous différents angles et avec différents arrières plans.
Malheureusement, nous avions un peu moins de 100 images de la balle.
Une autre contrainte est que l'utilisation de Darknet est lente car on l'utilise sur le CPU (Central Processing Unit)
soit l' unité centrale de traitement qui est le processeur principal de l'ordinateur. ll faudrait utiliser le GPU, le processeur
qui équipe la carte graphique. Cependant, les ordinateurs qui ont été mis à notre disposition ne contiennent pas de
carte graphique NVIDIA.
Résultat
Après entraînement de la balle, l'identification de celle-ci est possible mais avec un arrière plan neutre.
Mis à jour par Anonyme il y a environ 4 ans · 1 révisions