# Introduction of streaming video recognition
###### tags: `5G Reading`
Date : 2023-01-27

## Take away
與電腦視覺相關應用最常使用的套件為openCV，YOLO則是在圖形辨識領域的開源深度學習模型，由Joseph Redmon開發訓練，openCV也提供了引用YOLO模型相關的界接API。

## Summary
在5G應用其中一個特色為能夠傳輸超大頻寬，高清影像傳送便是其中一種途徑，在佈建5G專網同時若能夠借用此特性加以運用能夠為專網提供更多可能。本實驗針對圖形辨識為主題，套用openCV套件，並引用其中已經訓練好的YOLO模型進行辨識。從選用YOLO3開始；其底層為作者自行開發的Darknet架構，已能夠提供基本的辨識功能，優點為較通用的學習架構如tensorflow輕巧。最新一代模型為2023/1月發佈的YOLO8，以tensorflow為架構，能夠待應用成熟後更新辨識模型，或者自行訓練專網專用的辨識模型如於製造過程。

## Note
- Install library

pip3 install --upgrade pip # pip-21.3.1
pip3 install opencv-python==4.5.4.60 # opencv-python-4.5.4.60
pip3 install invisible-watermark

- About darknet
- Darknet的话一般指的是YOLO作者Joseph Redmon开源的神经网络框架，引作者自己的原话就是：Darknet is an open source neural network framework written in C and CUDA. It is fast, easy to install, and supports CPU and GPU computation.
- YOLO是Joseph Redmon提出的演算法。Darknet是YOLO作者(Joseph Redmon)自己寫出來的deep learning framework，可以想像darknet是另一個tensorflow，但功能沒這麼強大，主要是用來實現YOLO系列的算法，但也是可以用來實現其它算法(效果可能沒這麼好)。你會有這個疑問應該因為YOLO文章寫YOLO的backbone(feature extractor)是用darknet19 or darknet53(這只是作者提出來的名字)。如果你有看YOLOv3的文章，作者用自嘲的寫法是說因為有53層，所以就命名為darknet53。
- 相比于TensorFlow来说，darknet并没有那么强大，但这也成了darknet的优势：
- darknet完全由C语言实现，没有任何依赖项，当然可以使用OpenCV，但只是用其来显示图片、为了更好的可视化；
- darknet支持CPU（所以没有GPU也不用紧的）与GPU（CUDA/cuDNN，使用GPU当然更块更好了）；
- 正是因为其较为轻型，没有像TensorFlow那般强大的API，所以给我的感觉就是有另一种味道的灵活性，适合用来研究底层，可以更为方便的从底层对其进行改进与扩展；
- darknet的实现与caffe的实现存在相似的地方，熟悉了darknet，相信对上手caffe有帮助；
## Experiments
- 輸入指定圖形辨識

- 輸入指定影片辨識

- 串流辨識

## Reference
https://pypi.org/project/opencv-python/
https://ithelp.ithome.com.tw/articles/10239903
https://ithelp.ithome.com.tw/articles/10251665
https://github.com/muhammadshiraz/YOLO-Real-Time-Object-Detection
https://dotblogs.com.tw/shaynling/2017/12/28/091936