Train and deploy an anonymiser that blurs buildings
I maintainer di solito rispondono entro 1 giorno
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 5/5
- Tempo stimato
- Più di una settimana
- Idoneità per principianti
- 25/100
- Tipo di issue
- Funzionalità
- Chiarezza
- Abbastanza chiara
- Stato di attività
- Attiva
- Ambito
- computer-vision, embedded-iot, machine-learning
Direzione di ricerca
Read the study and the preceding issue pyronear/pyro-engine#465 to identify the chosen classes and data sources, then inspect pyro_camera_api/services/vision.py and the current pyronear/yolov11n model. Build and label the dataset, train and evaluate on station images, and compare Raspberry Pi speed; export NCNN and ONNX and publish the model. Done when the chosen classes blur on a station livestream and Pi FPS and latency match today or an accepted loss is documented.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
Part of pyronear/roadmap#41 (Livestream anonymisation). After pyronear/pyro-engine#465.
Context
Train the model that replaces the current YOLO11n (persons and vehicles) with one that also detects buildings and the other classes chosen in the study, as fast as today on a Raspberry Pi.
What has to be done
- Build the dataset from the chosen sources, plus our own labelled station images if the study says so.
- Train. Test on station images (small, far buildings). Compare speed with the current model on a Pi.
- Export NCNN and ONNX, publish on Hugging Face next to
pyronear/yolov11n. - Update
Anonymizer(pyro_camera_api/services/vision.py): model name, class filter, thresholds.
Done when
- The new model blurs the chosen classes on a station livestream
- FPS and latency on the Pi are the same as today, or the loss is accepted
- Lingua principale
- Python
- Stelle
- 20
- Fork
- 9
- Merge medio
- 4g 21h
- PR unite (30g)
- 12
Preparare l'ambiente
- Include un Dockerfile o un file Docker Compose
- Nessun modello di pull request
- Leggi la guida per i contributori
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di pyronear/pyro-engine
-
fix(camera-api): ONNX anonymizer looks for model.onnx but the archive ships best.onnxForse già presa @frgfm l’ha presa 1 giorno fa. Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 85/100
pyronear/pyro-engine#477 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 88/100
pyronear/pyro-engine#368 ·
I maintainer di solito rispondono entro 1 giorno
-
module: engine type: enhancement
Difficoltà 5/5 Più di una settimana Idoneità per principianti 35/100
pyronear/pyro-engine#467 ·
I maintainer di solito rispondono entro 1 giorno
-
module: vision type: enhancement
Difficoltà 5/5 Più di una settimana Idoneità per principianti 45/100
pyronear/pyro-engine#465 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 55/100
pyronear/pyro-engine#463 ·
I maintainer di solito rispondono entro 1 giorno
Tutte le issue di pyronear/pyro-engine
Issue simili
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 74/100
-
enhancement
Difficoltà 2/5 1-3 ore Idoneità per principianti 66/100
RunestoneInteractive/rs#1661 ·
I maintainer di solito rispondono entro 2 giorni
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 64/100
streamlink/streamlink#7192 · 4 commenti ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 1/5 1-3 ore Idoneità per principianti 75/100
I maintainer di solito rispondono entro 2 giorni
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 82/100
aws-samples/sample-per-model-bedrock#795 ·
I maintainer di solito rispondono entro 1 giorno