water-drop-detection 0.7

A neural network that detects water drops on the surface from an image.

Water Drops Detection

---

---

Выполнили:

• Володина Софья
• Лейсле Александр
• Шитенко Алина

Дата: 25.06.2023г.

---

Введение

Проект создан для детектирования на изображении капель воды на любой поверхности. Эта задача стала интересна, так как мы хотели попрактиковать свои навыки в обучении нейронных сетей, собрать своими руками датасет и сделать модель доступной для любого пользователя, который захочет проверить работу детекции на своем собственном изображении.

---

Neural Net

Для детекции капель была выбрана нейросеть с архитектурой Unet, имеющая энкодер ResNet50. Она представляет из себя сверточную нейронную сеть из двух блоков: энкодера и декодера. Первый из них уменьшает разрешение изображения и увеличивает информационный объем каждого пикселя. Декодер, наоборот, разворачивает выход из энкодера до первоначального размера и выдает маску искомого объекта.

---

)

---

Данная нейронная сеть проста в реализации и удобна в использовании для решения поставленных целей проекта. Для Unet характерна высокая точность работы при малом объеме данных. В результате её работы есть возможность не только получить маску изображения, но и найти площадь сегментированного объекта.

---

Датасет

Сборка датасета состояла из нескольких частей:

• поиск изображений в интернете/съемка фотографии с каплями воды
• создание маски в фоторедакторе, на которой белым цветом отображен участок капли, черным - фон
• перевод маски с помощью скрипта на языке Python в бинарную матрицу True-False и сохранение ее с расширением .npz
• создание датасета путем объединения исходной фотографии и соответствующей ей npz-маски

---

---

UI

UI сделан с помощью языка Python, библиотеки PyQT5 и программы QtDesigner. Интерфейс принимает изображение или папку с изображениями и отправляет их в нейронную сеть для детектирования. Результат сохраняется в новую папку в двух форматах: на одном капли закрашиваются, на другом добавляется bounding box. Пользователь может выбрать любую из версий для просмотра. Также при передаче изображения есть возможность отредактировать его: повернуть в любую сторону или обрезать. Каждая страница UI изначально создана в QtDesigner, в коде представлена в виде класса со своими методами. Взаимодействие между страницами происходит с помощью функций библиотеки PyQT5

---

---

Управление проектом

Установка и запуск программы

Для пользователя:

pip install water-drop-detection

• Для запуска проекта через py файл:

from water_drop_detection import main
main.main()

• Или при клонировании репозитория можно вызвать:

python water_drop_detection/main.py

Для разработчика:

• Вы можете скачать проект по этой ссылке: https://github.com/HerrPhoton/Water_drop_detection
• Или клонировать репозиторий нижеприведенной командой:

git clone https://github.com/HerrPhoton/Water_drop_detection

• Откройте проект в IDE
• Установите необходимые библиотеки командой ниже:

pip -r install requirements.txt

• Запуск приложения осуществяется через запуск файла main.py:

python main.py

• Страница документации может быть запущена через:

start docs\build\html\index.html

Работа с Docker:

• Команды для сборки и запуска проекта в терминале:

docker build . -t drop_detection
docker run drop_detection

• Образ можно скачать с Docker Hub по ссылке: https://hub.docker.com/repository/docker/alincnl/drop_detection

Информация о покрытии тестами: https://app.codecov.io/gh/HerrPhoton/Water_drop_detection

---

Результаты работы программы

---

Тестовое изображение	Маска изображения	Маска + bounding box + окружность

Источники

---

U-Net: Convolutional Networks for Biomedical Image Segmentation