基于tensorflow的计算机视觉工具包
luminoth的Python项目详细描述
](https://luminoth.ai){kind=link}
-
[！[生成状态]（https://travis-ci.org/tryolabs/luminoth.svg?branch=master)](https://travis-ci.org/tryolabs/luminoth） [！[文档状态]（https://readthedocs.org/projects/luminoth/badge/?version=latest)](http://luminoth.readthedocs.io/en/latest/？徽章=最新） [！[codecov]（https://codecov.io/gh/tryolabs/luminoth/branch/master/graph/badge.svg)](https://codecov.io/gh/tryolabs/luminoth） [！[许可证]（https://img.shields.io/badge/License-BSD%203–Clause-blue.svg)](https://opensource.org/licenses/BSD-3-Clause）
](https://travis-ci.org/tryolabs/luminoth){kind=link}
](https://codecov.io/gh/tryolabs/luminoth){kind=link}
](https://opensource.org/licenses/BSD-3-Clause){kind=link}
luminoth是一个用于计算机视觉的开源工具包。目前，我们支持目标检测，但我们的目标是更多。它是用python构建的，使用了[tensorflow]（https://www.tensorflow.org/）和[sonnet]（https://github.com/deepmind/sonnet）。
阅读完整的文档[这里]（http://luminoth.readthedocs.io/）。
啊！[快速r-cnn的目标检测示例]（https://user-images.githubusercontent.com/1590959/36434494-e509be42-163d-11e8-99c1-d1aa728929ec.jpg）
>；disclaimer：luminoth仍然是alpha质量的版本，这意味着内部和外部接口（如命令行）很可能随着代码库的成熟而改变。
#安装
Luminoth目前支持Python2.7和3.4–3.6。
##先决条件
要使用luminoth，[tensorflow]（https://www.tensorflow.org/install/）必须事先安装。如果您想要gpu支持，您应该使用pip install tensorflow gpu安装tensorflow的gpu版本，或者使用pip install tensorflow使用cpu版本。
##安装Luminoth
从pypi安装即可：
`bash pip install luminoth `
或者，如果您使用pip install luminoth[tf]或pip install luminoth[tf gpu]安装tensorflow，luminoth也可以为您安装tensorflow，具体取决于您希望使用的tensorflow版本。
###谷歌云
如果您希望使用google cloud ml engine进行培训，则必须安装可选依赖项：
`bash pip install luminoth[gcloud] `
##从源安装
首先，在您的计算机上克隆repo，然后使用pip安装：
`bash git clone https://github.com/tryolabs/luminoth.git cd luminoth pip install -e . `
##检查安装是否正常工作
只需运行lumi–help。
#支持的型号
目前，我们支持以下型号：
- 对象检测 *[更快的r-cnn]（https://arxiv.org/abs/1506.01497） *[ssd]（https://arxiv.org/abs/1512.02325）
我们计划在不久的将来增加对更多模型的支持，比如[retinanet]（https://arxiv.org/abs/1708.02002）和[mask r-cnn]（https://arxiv.org/abs/1703.06870）。
我们还为在[coco]（http://cocodataset.org/）和[pascal]（http://host.robots.ox.ac.uk/pascal/VOC/）等流行数据集上训练的上述模型提供预先训练的检查点。
#用法
有一个主命令行界面，可以与lumi命令一起使用。当你对该怎么做感到困惑时，只需键入：
lumi–帮助或lumi<；子命令>；–帮助
将显示一个包含说明的可用选项列表。
##使用数据集
请参阅[调整数据集]（http://luminoth.readthedocs.io/en/latest/usage/dataset.html）。
##培训
请参阅[训练您自己的模型]（http://luminoth.readthedocs.io/en/latest/usage/training.html）以了解如何在本地或谷歌云中进行训练。
##可视化结果
我们努力得到有用和可理解的摘要和图形可视化。我们认为它们不仅对监测是必不可少的（啊！）但为了更广泛地了解幕后的情况。同样，代码的易懂性和易懂性也很重要，计算图也应该如此。
默认情况下，摘要和图表日志保存到当前目录下的jobs/中。您可以通过运行来使用TensorBoard:
`bash tensorboard --logdir path/to/jobs `
##为什么叫这个名字？
>；深色遮阳板是Metroid Prime 2:回声中的遮阳板升级。战争期间由卢米诺设计，被以太王阿库用来穿透黑暗的以太阴霾。 >； >；–[深色遮阳板-Wikitroid]（http://metroid.wikia.com/wiki/Dark_Visor） >；
#许可证
版权所有©2018，[tryolabs]（https://tryolabs.com）。 根据[BSD 3条款]（许可证）发布。
欢迎加入QQ群-->： 979659372
