Scam projects always appear either during a period of rapid market growth or during the time of uncertainty. Right now, after halving, when the market is waiting for the consequences of reducing the…
Pada tahapan ini diperlukan instalasi software yang diperlukan beserta modul atau package yang menyertainya.
atau cukup dengan
bila telah selesai instalasi tensorflow-nya, dari command prompt window ketikkan perintah berikut,
maka dalam command prompt akan masuk dalam shell python,
untuk cek keberhasilan instalasi ketikkan perintah berikut
kemudian tunggu sebentar, biarkan berproses, ketikkan,
maka akan muncul seperti ini,
kemudian, ketikkan
hasilnya
sampai disini berarti anda telah sukses menginstall TensorFlow!
berikut kebutuhan package dalam penggunaan object detection
pillow, lxml, jupyter, matplotlib dan opencv-python
kemudian masuklah kembali ke command prompt window yang baru untuk menginstall package tersebut satu persatu, dan menuju folder c:\deteksi> kemudian ketikkan
setelah semua package terinstall, maka kita mulai tahap selanjutnya.
kunjungi website berikut,
kemudian klik “clone/download” pilihlah download ZIP,
maka akan didapatkan hasil download berupa sebuah folder extrak bernama “models-master”.
kemudian arahkan folder models-master tersebut dibawah direktori c:/deteksi> dan kemudian diekstraksi.
maka didapatkan folder berikut,
kemudian di rename “models-master” menjadi “models”
caranya, pada start windows, kolom search, ketikkan environment, kemudian ketikkan dan pilihlah “system variables”
Download protobuf dari object detection api ini yang versi 3.4 win32 di
buatlah folder baru (dengan nama terserah, misal “deteksiproto”) untuk menampung file zip protobuf tersebut, kemudian di ekstrak, kemudian pindahkan file protobuf yang berada di folder bin ke dalam c:/deteksi/models/research>
kemudian buka kembali command prompt yang baru, dan arahkan ke c:/deteksi/models/research/ kemudian ketikkan,
pada perintah diatas ada “dot” jangan sampai tertinggal
kemudian cek apakah tensorflow api sudah terpasang dengan baik dengan mengetikkan dari command prompt yang telah diarahkan ke c:/deteksi/models/research/
jika muncul kesalahan seperti berikut,
jika telah berhasil tanpa kesalahan maka siap masuk pada persiapan berikutnya,
Untuk instalasi labelimg dapat download dulu di
kemudian simpan folder (labelImg-master.zip) tersebut di c:/deteksi> dan kemudian di ekstrak, setelah itu nama labelImg-master diganti menjadi labelImg saja.
setelah itu, buka kembali command prompt baru, dan arahkan ke c:/deteksi/labelImg> kemudian ketikkan berikut
kemudian ketikkan
maka terbukalah jendela baru berupa aplikasi labelImg, pelabelan image untuk dibaca oleh sistem.
sebelumnya buatlah empat folder dibawah c:/deteksi>
yakni folder annotations, data, images dan training.
Semua gambar yang akan anda gunakan dalam object detection simpanlah di folder images dan buatlah dua folder dibawah folder images, yakni train dan test, sebagian besar (80%) simpanlah di folder train sedangkan sisanya (20%nya) simpanlah di folder test. Didalam folder annotations juga buatlah dua folder train dan test.
bukalah folder dimana gambar dalam folder train disimpan, jika gambar telah muncul maka klik “create rect box” disamping kiri, kemudian arahkan kursor pada object yang diincar, drag secara kotak ke object yang dimaksud, kemudian lepaskan, maka akan muncul jendela kecil pelabelan, silahkan diketik nama object tersebut, kemudian jangan lupa di save, dan arahkan folder save nya ada di c:/deteksi/annotations/train> untuk gambar berikutnya bagi object yang diincar dengan cara yang sama, untuk label yang sama maka tidak perlu menuliskan ulang, akan muncul dengan sendirinya, namun case-sensitive.
setelah semua gambar diberikan label seperti yang diinginkan maka menginjak pada tahap berikutnya.
karena proses pe-label-an menggunakan labelImg menghasilkan semua file gambar XML, maka kita rubah file XML ini menjadi CSV dengan perintah seperti berikut,
jika ketika menjalankan perintah tersebut terdapat error, “no module name pandas”, maka jalankan dulu perintah ini,
kemudian ulangi lagi perintah ini,
jika tidak ada kendala, maka seluruh gambar dengan ekstensi file xml telah dirubah kedalam bentuk csv.
Agar data dapat diproses dalam Tensorflow maka data csv akan dirubah ke bentuk TFRECORD, perintah untuk merubah tersebut ada pada koding berikut,
sampai menunjukkan,
“Successfully created the TFRecords: C:\deteksi\data/train.record”
dan
Sampai
“Successfully created the TFRecords: C:\deteksi\data/test.record”
kemudian buatlah file baru melalui notepad++ untuk membuat file label map,
Copy-lah koding untuk konfigurasi berikut
Susunlah folder seperti berikut,
Mari kita persiapkan tensorflow model yang telah kita susun diatas, ikut langkah berikut,
jika ada kesalahan seperti berikut,
maka bukalah file train.py melalui editor (seperti notepad++) kemudian tambahkan baris seperti berikut,
jika tidak ada kesalahan maka, proses training akan mulai berjalan, dan ini membutuhkan waktu yang cukup lama (sekitar 10 jam) tergantung pada kemampuan perangkat keras yang disematkan dalam laptop anda, dan proses berjalan nampak seperti berikut,
untuk mengeluarkan visualisasi dari proses diatas, bukalah web browser kemudian ketikkan localhost:6006
maka carilah nilai XXXX yang tertinggi, kemudian ketikkan perintah berikut, (misal disini dipakai nilai tertinggi XXXX = 1345)
setelah itu copy-lah kode dibawah ini
dan berilah nama “(silahkan lihat melalui video youtube saya)” kemudian simpanlah di (silahkan lihat melalui video youtube saya) kemudian jalankan melalui command crompt di (silahkan lihat melalui video youtube saya)
maka jadilah object detection anda!
referensi:
My heart breaks for my brothers. “A Prayer for Us” is published by Davinachiwara.