Ubuntu 16.04 LTS üzerinde FFmpeg Kurulumu

Merhaba,
FFmpeg resmi sitesindeki indirme seçeneklerinin sayfasına buradan gidiyoruz.

Orta bölümdeki büyük yeşil "Download" buttonuna tıklayarak en son stabil versiyonunun sıkıştırılmış dosyasını makinamıza indiriyoruz.

Sıkıştırılmış dosyanın bulunduğu klasöre giderek, aşağıdaki komut ile sıkıştırılmış dosyadan ffmpeg  klasörünü çıkartıyoruz ve çıkarttığımız ffmpeg klasörü içerisine giriyoruz.

tar xf ffmpeg-3.4.tar.bz2
cd ffmpeg-3.4

ffmpeg klasörü altında aşağıdaki komutu çalıştırıyoruz.

sudo ./configure

Eğer yukarıdaki hatayı alırsanız sonuna --disable-x86asm parametresini ekleyerek yeniden configure komutunu çalıştırınız.

sudo ./configure --disable-x86asm

İşlem tamamlandıktan sonra derleme işlemini başlatalım

make -j8

No: -j8 parametresi opsiyoneldir. Derleme işlemini hızlandırmak için "-j çekirdek sayısı" parametresini ekleyebilirsiniz.

Derleme işlemi tamamlandıktan sonra yükleme işlemini çalıştıralım

sudo make install -j8

Başarıyla tamamlanıp tamamlanmadığı kontrol edelim.

ffmpeg -version

Herşey yolunda gözüküyor :)

Detaylı kullanım için dökümantasyonunu inceleyebilirsiniz.

 

YOLO: Gerçek Zamanlı Nesne Tespiti Kütüphanesi (Darknet) Kurulumu

Merhaba,

Bu yazıda açık kaynaklı yapay sinir ağı kütüphanesi olan Darknet kütüphanesinin makinamıza kurulumunu ve 2017 yılı itibariyle gerçek zamanlı olarak en hızlı şekilde nesne tespiti yapabilen YOLO(You Only Look Once) algoritmasının önceden eğitilmiş modelini kullanarak nesne tespiti demosunu nasıl çalıştıracağımızı görelim.

KURULUM

Github üzerinden darknet deposunu git ile klonlayalım ve darknet klasörü içerisine girelim.

git clone https://github.com/pjreddie/darknet.git
cd darknet

Derleme işlemini başlatmadan önce darknet klasörü içerisindeki Makefile dosyasını inceleyelim.

GPU=1
CUDNN=0
OPENCV=1
OPENMP=0
DEBUG=0

...

Biz sadece yukarıdaki ilk 5 satırı ile ilgileneceğiz.

CUDA destekli Nvidia ekran kartınız varsa ve GPU üzerinde çalıştırmak istiyorsanız Makefile dosyasında ilk satırdaki GPU değerini 1 olarak değiştiriyoruz.

  • GPU ile derlemek istiyorsanız makinanızda CUDA 8 versiyonu yüklü olması gerekmektedir. CUDA kurulumu için daha önceki  yazıma buradan göz atabilirsiniz.

Web kameranızdan görüntü almak için Makefile dosyasında üçüncü satırdaki OPENCV değerini 1 olarak değiştiriyoruz.

  • OpenCV destekli derlemek için makinanızda OpenCV yüklü ve derlenmiş olması gerekmektedir. Eğer kurulum yapmadıysanız "Ubuntu Üzerinde OpenCV Kurulumu" başlıklı yazımdaki adımları izleyerek kurulum yapabilirsiniz.

Sadece CPU üzerinde çalıştırmak isterseniz Makefile dosyasında yukarıdaki değişiklikleri yapmadan derleyebilirsiniz.

make komutu çalıştırarak derleme işlemini başlatalım.

~/darknet$ make -j8

-j8 parametresi opsiyoneldir. Derleme işlemini hızlandırmak için "-j çekirdek sayısı" parametresini ekleyebilirsiniz.

CPU üzerinde derleme yaptınızda sorun yaşayacağınızı düşünmüyorum. Ancak GPU üzerinde ve OpenCV destekli derleme yaparken hata alabilirsiniz. CUDA ve OpenCV kurulum işlemlerinizi kontrol ediniz.

Derleme işlemi sorunsuz şekilde tamamlandıysa denemeye geçebiliriz.

DEMO

Önceden eğitilmiş modelin ağırlık dosyalarını aşağıdaki komut ile indirelim.

wget https://pjreddie.com/media/files/yolo.weights

Ben ağırlık dosyasını da yapılandırma dosyalarının olduğu cfg klasörü altına indirdim. Siz dilediğiniz yere indirebilirsiniz.

Data klasörü altındaki örnek dog.jpg görselinde nesne tanıma ve yerini saptamasını istiyorsak, aşağıdaki şekilde ağ dosyasını (yolo.cfg), indirdiğimiz ağırlık dosyasını (yolo.weights) ve görselin yolunu parametre olarak belirterek  detect komutu çalıştıralım.

./darknet detect cfg/yolo.cfg cfg/yolo.weights data/dog.jpg

 

 

İşlem sonunda görsel içerisinde  dog: 82%, car: 26%, truck: 65%, bicycle: 85% oranlarında nesneleri içerdiğini ve nesnelerin konumlarını sınırlayıcı kutu içerisine aldığını görüyoruz.

 

Webcam ile gerçek zamanlı nesne tespiti için COCO veriseti'ni kullanarak detector demo komutunu çalıştırıyoruz

./darknet detector demo cfg/coco.data cfg/yolo.cfg cfg/yolo.weights

 

Video üzerinde gerçek zamanlı nesne tespiti için ise webcam ile çalıştırdığımız komut sonuna videonun dosya yolunu belirtmemiz yeterli

./darknet detector demo cfg/coco.data cfg/yolo.cfg cfg/yolo.weights <video dosya yolu>

ÇALIŞMALARIM

İstanbul trafiğinde çekilmiş olan kısa bir video üzerindeki nesne tespiti denememi izleyebilirsiniz.

Telefon ile çektiğim başka bir video üzerindeki nesne tespiti denememi izleyebilirsiniz.

Bilgisayar özellikleri video açıklamalarında mevcuttur.

 
Son olarak
Joseph Redmon'dan "Bilgisayarlar nesneleri anında nasıl tanımayı öğrenirler" başlıklı YOLO sunumunu izleyebilirsiniz

Referanslar:

 

 

Ubuntu - Windows Dual Boot Partition Mount Hatasının Çözümü

Eğer Windows ve Ubuntu dual boot kullanıyorsanız ve bir nedenden dolayı NTFS formatlı bir diskinizde Ubuntu üzerinde aşağıdaki hatayı alıyorsanız;

Error mounting /dev/sda1 at /media/yavuz/DEPO: ....... exited with non-zero exit status 14: The disk contains an unclean file system (0, 0).
Metadata kept in Windows cache, refused to mount.
Failed to mount ‘/dev/sda1’: Operation not permitted
The NTFS partition is in an unsafe state. Please resume and shutdown
Windows fully (no hibernation or fast restarting), or mount the volume
read-only with the ‘ro’ mount option.

Çözüm çok kolay.

Ubuntu üzerinde zaten yüklü olan ntfsfix ile hatalı görünen bölümü belirterek düzeltebilirsiniz.

Terminal üzerinden aşağıdaki komutu çalıştırmanız yeterli.

sudo ntfsfix /dev/sdXY


Not: burada XY, hatada gösterilen bölümdür. Örneğin sda1 veya sdb2 veya sda5. Resimde göründüğü gibi benim bölüm sda1 olduğundan sudo ntfsfix /dev/sda1 komutunu çalıştırıyorum.