يوضح هذا المشروع عدة طرق للعد التلقائي للأشخاص باستخدام الصور من كاميرات الفيديو الداخلية في مركز التسوق.
الحل الجاهز: تم تحميل نموذج اكتشاف الكائنات EfficientDet من TensorFlow Hub. النموذج قادر على اكتشاف مجموعة واسعة من الكائنات التي تعيد الفئة المتوقعة وإحداثيات المربع المحيط ودرجة الثقة لكل كائن. الفوائد: لا يتطلب التدريب، وتتوفر نماذج متعددة، ويمكن نشرها بسهولة على أجهزة مختلفة. العيوب: النموذج عرضة للأخطاء عند اكتشاف كائنات متعددة، أو كائنات متجمعة جزئيًا أو موجودة في الخلفية، ومن الصعب إعادة تدريب النموذج وضبطه. نقل التعلم: InceptionResNetV2 كمستخرج للميزات مع رأس انحدار جديد. الفوائد: من السهل نسبيًا ضبط النموذج لمهمة جديدة مع الاحتفاظ بالمعرفة المفيدة للمصنف الأصلي. العيوب: على الرغم من الدقة العالية مقارنة بالحل السابق، إلا أن هذا النموذج ليس مثاليًا ولا يمكن استخدامه في البيئات التي تكون فيها الدقة العالية أمرًا مهمًا.