Forum Replies Created
- Posts
Olá Aline!
Qual modelo ControlNet você selecionou para a geração? Verifique dentro da caixa referente ao ControlNet qual é o modelo que aparece ali selecionado no campo de seleção e se foram selecionadas as configurações compatíveis com ele (se possível mandar um print). E verifique o que aparece no campo do modelo ao selecionar a opção OpenPose.
Essa mensagem de erro as vezes está associada a um problema na leitura do arquivo do modelo, é um bug que pode ocorrer quando ele não consegue processar corretamente o formato lido. Como imagino que esteja usando os mesmos modelos da aula então uma explicação para essa mensagem poderia ser um problema durante o download do próprio modelo. Por verificar e resolver, tente executar o comando de download novamente, e então inicie a interface.
A recomendação que resolve é reiniciar o ambiente de execução (pode desconectar da GPU e conectar novamente) e então executar de novo o passo 3 para baixar os mesmos modelos (que ficarão na pasta /tmp) e em seguida abrir a interface normalmente.
Caso o mesmo erro persista, por favor forneça um print da tela do ControlNet e do que aparece para você na saída da célula do arquivo .ipynb (usado para gerar a interface), no bloco onde são baixados os modelos ControlNet.
Olá!
1. O threshold do IoU utilizado pelo modelo de avaliação padrão do Mask R-CNN pode variar dependendo da implementação específica ou da configuração definada. No caso dessa biblioteca e outras implementações é usado por padrão 0.5, como comumente usado também em conjuntos de dados como MS COCO e PASCAL VOC. Para outros casos, recomenda-se consultar a documentação oficial da biblioteca Matterport ou os parâmetros de configuração do modelo para determinar o valor padrão ou como configurá-lo de acordo com suas necessidades específicas.
2. Sim, outras métricas de avaliação como IoU e Dice Coefficient podem ser utilizadas para avaliar modelos treinados com o Mask R-CNN. Para isso, você pode implementar essas métricas manualmente ou utilizar bibliotecas como scikit-learn ou TensorFlow para calcular essas métricas com base nas máscaras previstas e nas máscaras de referência (ground truth).
Para o IoU pode usar o método jaccard_score, que se refere ao Índice Jaccard, nesse caso o mesmo que IoU
https://scikit-learn.org/stable/modules/generated/sklearn.metrics.jaccard_score.html
e para o Dice Coefficient, use o método de implementação do F1 score, que é o mesmo que o algoritmo do Dice.
https://scikit-learn.org/stable/modules/generated/sklearn.metrics.f1_score.html
Para o IoU você pode usar também o Tensorflow por exemplo, através do método MeanIoU https://www.tensorflow.org/api_docs/python/tf/keras/metrics/MeanIoU
Exemplo de código:
from tensorflow.keras.metrics import MeanIoU
iou_resultado = MeanIoU(num_classes = 2)test_img_input = np.expand_dims(img_teste, 0)
test_img_input.shapepredicao = (model.predict(test_img_input)[0,:,:,0] > 0.5).astype(np.uint8)
plt.imshow(predicao)
plt.title(‘Predição’)
iou_resultado.update_state(ground_truth[:,:,0], predicao)
print(‘IoU para a imagem: ‘, iou_resultado.result().numpy())Olá! Essa dúvida você havia postado em outro tópico, mas só para deixar respondido nesse também:
Para fazer isso, basta usar esse comando para fazer o download do modelo
!wget -O ./tessdata/por.traineddata https://github.com/tesseract-ocr/tessdata/blob/main/por.traineddata?raw=true
Então, na sequência usar esse código:
config_tesseract = ‘–tessdata-dir tessdata’
texto = pytesseract.image_to_string(rgb, lang=’por’, config=config_tesseract)Olá! Já que você está executando localmente deve usar o método nativo do OpenCV, que é o cv2.imshow (com “.” em vez de “_”), então até aí você fez correto mesmo. Porém, diferente do cv2_imshow (usado apenas dentro Colab), nesse você precisa passar o nome do janela também como parâmetro, antes da variável da imagem, por exemplo assim: cv2.imshow(“imagem de teste”, imagem). Se quiser mais detalhes sobre essa função, veja aqui.
Olá Ailton! Esse erro ocorre devido a um erro de digitação eu imagino, na mensagem que você passou consta no caminho “yolo4.weights”, na verdade seria “yolov4.weights”, ou seja ficou faltando o “v” apenas. Fazendo essa correção no comando é para baixar o arquivo correto.
Olá Michael, que ótimo saber que você conseguiu realizar o seu objetivo através das técnicas propostas! Meus parabéns =)
A agradecemos ao seu feedback quanto ao curso!
Olá Adriano! Uma razão comum para esse erro é quando no pom está sendo especificado somente “javacv” e não “javacv-platform”, precisa conter o ID completo pois esse erro pode dar quando não vem as dependências do platform. Veja o código de referência aqui.
Outra sugestão seria usar a versão 1.3.3 que é a mesma exata usada no curso, então é garantido que funcione. Baixe ela aqui: https://drive.google.com/open?id=1ZVCFr7eyn0oH0bExqu_IU_xE-DeyTwji
Caso não funcione, experimente remover todos os JARs e adicioná-los novamente. Ou, também pode adicionar todos os outros JARs que vieram juntos no zip e depois testar, se funcionar então você vai removendo até deixar apenas os essenciais. Em todo caso, siga as instruções da aula de instalação do curso, pois lá mostra exatamente quais JARs você tem que manter.
