文件名称：yolo_bouldering:识别抱石抱的浏览器应用程序可以快速标记自定义路线[进行中]
文件大小：21.35MB
文件格式：ZIP
更新时间：2024-05-07 17:25:20
JupyterNotebook
YOLO抱石 :collision: 在攀岩/抱石中，经验丰富的登山者往往会在健身房中互不相干的情况下互相攀爬。 一种路线可以是有序/无序的10-30次移动，其中包括记忆手把和立足点。 一种方法是在手机上将它们抽出，但是很难指出用粗壮的手指握住的确切位置。 标出确切的移动顺序也可能很麻烦。 通过利用对象检测，该应用程序可以接收 :camera: 攀爬墙的图片，并提供手柄作为可交互的按钮，以简化路线创建过程。 现场申请 应用程序： ： 在yolov4-tiny上训练了对象检测模型。 因此，对于在AWS Lambda上进行无服务器部署而言，它足够小。 用户界面是使用Vue构建的，并已部署在Github页面上。 用法 1.拍摄攀岩墙的照片 2.选择手扶和立足点 3.导出为图片以与朋友分享 部署方式 # Ensure AWS credentials are set up for Serverless backend #
【文件预览】：
yolo_bouldering-main
----.gitignore(2KB)
----user_interface()
--------.gitignore(231B)
--------package.json(767B)
--------package-lock.json(465KB)
--------src()
--------public()
--------.eslintrc.js(351B)
--------README.md(326B)
--------vue.config.js(103B)
--------babel.config.js(73B)
----colab_training()
--------Train_yolov4_tiny.ipynb(1023KB)
----Pipfile.lock(11KB)
----lambda_backend()
--------package.json(333B)
--------requirements.txt(203B)
--------serverless.yml(774B)
--------package-lock.json(20KB)
--------utils.py(2KB)
--------handler.py(4KB)
--------weights()
----README.md(2KB)
----Pipfile(222B)
----local_prediction()
--------yolo_object_detection.py(2KB)
--------test_images()
----docs()
--------Screenshot_2.jpg(31KB)
--------Screenshot_1.jpg(14KB)
--------Screenshot_3.jpg(30KB)