4年前上家公司使用传统指纹考勤;
3年前同事开发打卡app免去了排队烦恼:
现在我用机器学习实现全自动打卡,tensorflow训练一个CNN模型教它看图认识不同地方,就像教小孩看图认识猫、狗、鱼、虫,让机器软件拥有认知判断能力。
效果是早晚上下班开车经过公司楼下训练好的特征地点被程序识别自动进行打卡。区别于传统if else硬编码程序,卷积神经网络的魅力在于能够像人一样学习增强,伴随经验积累机器对事物认知判断更准确,alphaGO学下棋从业余棋手到世界第一只花2年碾压人类几千年经验智慧就证明了机器可以做得比人好。
一台闲置手机充当网络摄像头实时捕获车辆前方道路场景。
笔记本通过wifi远程访问手机,解析视频图像,利用opencv处理图片
执行python gathering_data.py收集tensorflow训练卷及神经网络模型需要的图片数据,对图片进行批量处理,压缩减小尺寸,利于计算。
通过监督式学习,标记特征图片,让模型能够准确判断不同路况场景
执行python train_model.py
类似收集数据,执行python run_model.py,把车开到特征地点,检验效果。