Discussão:Página principal - Histórico de revisão

Cdab63: /* Manual de Instalação Bazel */ nova seção

2019-09-11T20:40:27Z

Manual de Instalação Bazel: nova seção

← Edição anterior		Edição das 20h40min de 11 de setembro de 2019
Linha 24:		Linha 24:
	;'''Softwares Adaptados'''		;'''Softwares Adaptados'''
	#'''Identificação de faces (rostos) em frames:''' desenvolvido em python3 e utilizando OpenCV, Keras e theano. A partir de um snapshot faz a identificação de faces, a segmentação das faces e a identificação da face contra um banco de dados de faces conhecidas. Foi adaptado levando em conta a possibilidade de integração ao software de identificação de veículos e placas. Dado que o snapshot do veículo pega o para brisas, a face do motorista e passageiro podem ser identificadas, segmentadas e comparadas contra uma base de dados de faces conhecidas com evidentes utilizações em segurança pública. Ressalto que este não é software de autoria da equipe do ''LSITEC'', mas foram feitas adaptações e customizações. No momento trabalha-se no desenvolvimento de uma versão própria e mais aderente às necessidades dos projetos do ''LSITEC''.		#'''Identificação de faces (rostos) em frames:''' desenvolvido em python3 e utilizando OpenCV, Keras e theano. A partir de um snapshot faz a identificação de faces, a segmentação das faces e a identificação da face contra um banco de dados de faces conhecidas. Foi adaptado levando em conta a possibilidade de integração ao software de identificação de veículos e placas. Dado que o snapshot do veículo pega o para brisas, a face do motorista e passageiro podem ser identificadas, segmentadas e comparadas contra uma base de dados de faces conhecidas com evidentes utilizações em segurança pública. Ressalto que este não é software de autoria da equipe do ''LSITEC'', mas foram feitas adaptações e customizações. No momento trabalha-se no desenvolvimento de uma versão própria e mais aderente às necessidades dos projetos do ''LSITEC''.

			== Manual de Instalação Bazel ==

			#Obtendo o Bazel
			#Pré-requisitos
			#Configuração do Ambiente
			#Montando o Bazel
			#Instalando o Bazel
			#Testando o Bazel

Cdab63 em 20h37min de 11 de setembro de 2019

2019-09-11T20:37:32Z

← Edição anterior		Edição das 20h37min de 11 de setembro de 2019
Linha 23:		Linha 23:
	#'''Identificação de placas de licenciamento:''' desenvolvido em python3 e utilizando opencv, Keras e theano. A partir de um "snapshot" contendo veículo faz a identificação da placa e a partir da identificação da placa faz o reconhecimento dos caracteres da licença.		#'''Identificação de placas de licenciamento:''' desenvolvido em python3 e utilizando opencv, Keras e theano. A partir de um "snapshot" contendo veículo faz a identificação da placa e a partir da identificação da placa faz o reconhecimento dos caracteres da licença.
	;'''Softwares Adaptados'''		;'''Softwares Adaptados'''
	#'''Identificação de faces (rostos) em frames:''' desenvolvido em python3 e utilizando OpenCV, Keras e theano. A partir de um snapshot faz a identificação de faces, a segmentação das faces e a identificação da face contra um banco de dados de faces conhecidas. Foi adaptado levando em conta a possibilidade de integração ao software de identificação de veículos e placas. Dado que o snapshot do veículo pega		#'''Identificação de faces (rostos) em frames:''' desenvolvido em python3 e utilizando OpenCV, Keras e theano. A partir de um snapshot faz a identificação de faces, a segmentação das faces e a identificação da face contra um banco de dados de faces conhecidas. Foi adaptado levando em conta a possibilidade de integração ao software de identificação de veículos e placas. Dado que o snapshot do veículo pega o para brisas, a face do motorista e passageiro podem ser identificadas, segmentadas e comparadas contra uma base de dados de faces conhecidas com evidentes utilizações em segurança pública. Ressalto que este não é software de autoria da equipe do ''LSITEC'', mas foram feitas adaptações e customizações. No momento trabalha-se no desenvolvimento de uma versão própria e mais aderente às necessidades dos projetos do ''LSITEC''.
	o para brisas, a face do motorista e passageiro podem ser identificadas, segmentadas e comparadas contra uma base de dados de faces conhecidas com evidentes utilizações em segurança pública. Ressalto que este não é software de autoria da equipe do ''LSITEC'', mas foram feitas adaptações e customizações. No momento trabalha-se no desenvolvimento de uma versão própria e mais aderente às necessidades dos projetos do ''LSITEC''.

Cdab63 em 20h37min de 11 de setembro de 2019

2019-09-11T20:37:18Z

← Edição anterior		Edição das 20h37min de 11 de setembro de 2019
Linha 24:		Linha 24:
	;'''Softwares Adaptados'''		;'''Softwares Adaptados'''
	#'''Identificação de faces (rostos) em frames:''' desenvolvido em python3 e utilizando OpenCV, Keras e theano. A partir de um snapshot faz a identificação de faces, a segmentação das faces e a identificação da face contra um banco de dados de faces conhecidas. Foi adaptado levando em conta a possibilidade de integração ao software de identificação de veículos e placas. Dado que o snapshot do veículo pega		#'''Identificação de faces (rostos) em frames:''' desenvolvido em python3 e utilizando OpenCV, Keras e theano. A partir de um snapshot faz a identificação de faces, a segmentação das faces e a identificação da face contra um banco de dados de faces conhecidas. Foi adaptado levando em conta a possibilidade de integração ao software de identificação de veículos e placas. Dado que o snapshot do veículo pega
	o para brisas, a face do motorista e passageiro podem ser identificadas, segmentadas e comparadas contra uma base de dados de faces conhecidas		o para brisas, a face do motorista e passageiro podem ser identificadas, segmentadas e comparadas contra uma base de dados de faces conhecidas com evidentes utilizações em segurança pública. Ressalto que este não é software de autoria da equipe do ''LSITEC'', mas foram feitas adaptações e customizações. No momento trabalha-se no desenvolvimento de uma versão própria e mais aderente às necessidades dos projetos do ''LSITEC''.
	com evidentes utilizações em segurança pública. Ressalto que este não é software de ~~minha~~ autoria, mas ~~fiz umas~~ adaptações.

Cdab63 em 20h35min de 11 de setembro de 2019

2019-09-11T20:35:35Z

← Edição anterior		Edição das 20h35min de 11 de setembro de 2019
Linha 23:		Linha 23:
	#'''Identificação de placas de licenciamento:''' desenvolvido em python3 e utilizando opencv, Keras e theano. A partir de um "snapshot" contendo veículo faz a identificação da placa e a partir da identificação da placa faz o reconhecimento dos caracteres da licença.		#'''Identificação de placas de licenciamento:''' desenvolvido em python3 e utilizando opencv, Keras e theano. A partir de um "snapshot" contendo veículo faz a identificação da placa e a partir da identificação da placa faz o reconhecimento dos caracteres da licença.
	;'''Softwares Adaptados'''		;'''Softwares Adaptados'''
	#'''Identificação de faces (rostos) em frames:''' desenvolvido em python3 e utilizando OpenCV, Keras e theano. A partir de um snapshot faz a identificação de faces, a segmentação das faces e a identificação		#'''Identificação de faces (rostos) em frames:''' desenvolvido em python3 e utilizando OpenCV, Keras e theano. A partir de um snapshot faz a identificação de faces, a segmentação das faces e a identificação da face contra um banco de dados de faces conhecidas. Foi adaptado levando em conta a possibilidade de integração ao software de identificação de veículos e placas. Dado que o snapshot do veículo pega
	da face contra um banco de dados de faces conhecidas. Foi adaptado levando em conta a possibilidade de integração ao software de identificação de veículos e placas. Dado que o snapshot do veículo pega
	o para brisas, a face do motorista e passageiro podem ser identificadas, segmentadas e comparadas contra uma base de dados de faces conhecidas		o para brisas, a face do motorista e passageiro podem ser identificadas, segmentadas e comparadas contra uma base de dados de faces conhecidas
	com evidentes utilizações em segurança pública. Ressalto que este não é software de minha autoria, mas fiz umas adaptações.		com evidentes utilizações em segurança pública. Ressalto que este não é software de minha autoria, mas fiz umas adaptações.

Cdab63 em 20h35min de 11 de setembro de 2019

2019-09-11T20:35:13Z

← Edição anterior		Edição das 20h35min de 11 de setembro de 2019
Linha 23:		Linha 23:
	#'''Identificação de placas de licenciamento:''' desenvolvido em python3 e utilizando opencv, Keras e theano. A partir de um "snapshot" contendo veículo faz a identificação da placa e a partir da identificação da placa faz o reconhecimento dos caracteres da licença.		#'''Identificação de placas de licenciamento:''' desenvolvido em python3 e utilizando opencv, Keras e theano. A partir de um "snapshot" contendo veículo faz a identificação da placa e a partir da identificação da placa faz o reconhecimento dos caracteres da licença.
	;'''Softwares Adaptados'''		;'''Softwares Adaptados'''
	#'''Identificação de faces'''		#'''Identificação de faces (rostos) em frames:''' desenvolvido em python3 e utilizando OpenCV, Keras e theano. A partir de um snapshot faz a identificação de faces, a segmentação das faces e a identificação
			da face contra um banco de dados de faces conhecidas. Foi adaptado levando em conta a possibilidade de integração ao software de identificação de veículos e placas. Dado que o snapshot do veículo pega
			o para brisas, a face do motorista e passageiro podem ser identificadas, segmentadas e comparadas contra uma base de dados de faces conhecidas
			com evidentes utilizações em segurança pública. Ressalto que este não é software de minha autoria, mas fiz umas adaptações.

Cdab63 em 20h33min de 11 de setembro de 2019

2019-09-11T20:33:46Z

← Edição anterior		Edição das 20h33min de 11 de setembro de 2019
Linha 20:		Linha 20:
	#'''tensorflow:''' back end para ''deep learning''. Instalação altamente dependente de patches, dependente de ''bazel'' e dependente de arquitetura. Atualmente encontra-se portado em 50% e depende do desenvolvimento de patches para a arquitetura ''SoC S500''.		#'''tensorflow:''' back end para ''deep learning''. Instalação altamente dependente de patches, dependente de ''bazel'' e dependente de arquitetura. Atualmente encontra-se portado em 50% e depende do desenvolvimento de patches para a arquitetura ''SoC S500''.
	;'''Softwares Desenvolvidos'''		;'''Softwares Desenvolvidos'''
	#'''Identificação e contagem de carros~~'''~~ passando por uma barreira~~. Desenvolvido~~ em python3 e utilizando OpenCV. A partir de um stream de vídeo faz a análise quadro a quadro identificando objetos movendo-se no campo. Aplica critério de identificação para determinar se o objeto é ou não um veículo. Se for veículo faz a segmentação e acompanhamento do movimento até a saída do campo visual. Na passagem pela barreira faz a contagem e gera um "snapshot" do veículo. O snapshot é armazenado como arquivo jpeg e posteriormente analizado por outro software que faz a identificação da placa do veículo. Além disso é gerado um arquivo de vídeo avi contendo todo o movimento anotado na via.		#'''Identificação e contagem de carros passando por uma barreira:''' desenvolvido em python3 e utilizando OpenCV. A partir de um stream de vídeo faz a análise quadro a quadro identificando objetos movendo-se no campo. Aplica critério de identificação para determinar se o objeto é ou não um veículo. Se for veículo faz a segmentação e acompanhamento do movimento até a saída do campo visual. Na passagem pela barreira faz a contagem e gera um "snapshot" do veículo. O snapshot é armazenado como arquivo jpeg e posteriormente analizado por outro software que faz a identificação da placa do veículo. Além disso é gerado um arquivo de vídeo avi contendo todo o movimento anotado na via.
	#'''Identificação de placas de licenciamento'''		#'''Identificação de placas de licenciamento:''' desenvolvido em python3 e utilizando opencv, Keras e theano. A partir de um "snapshot" contendo veículo faz a identificação da placa e a partir da identificação da placa faz o reconhecimento dos caracteres da licença.
	;'''Softwares Adaptados'''		;'''Softwares Adaptados'''
	#'''Identificação de faces'''		#'''Identificação de faces'''

Cdab63 em 20h28min de 11 de setembro de 2019

2019-09-11T20:28:53Z

← Edição anterior		Edição das 20h28min de 11 de setembro de 2019
Linha 20:		Linha 20:
	#'''tensorflow:''' back end para ''deep learning''. Instalação altamente dependente de patches, dependente de ''bazel'' e dependente de arquitetura. Atualmente encontra-se portado em 50% e depende do desenvolvimento de patches para a arquitetura ''SoC S500''.		#'''tensorflow:''' back end para ''deep learning''. Instalação altamente dependente de patches, dependente de ''bazel'' e dependente de arquitetura. Atualmente encontra-se portado em 50% e depende do desenvolvimento de patches para a arquitetura ''SoC S500''.
	;'''Softwares Desenvolvidos'''		;'''Softwares Desenvolvidos'''
	#'''Identificação e contagem de carros'''		#'''Identificação e contagem de carros''' passando por uma barreira. Desenvolvido em python3 e utilizando OpenCV. A partir de um stream de vídeo faz a análise quadro a quadro identificando objetos movendo-se no campo. Aplica critério de identificação para determinar se o objeto é ou não um veículo. Se for veículo faz a segmentação e acompanhamento do movimento até a saída do campo visual. Na passagem pela barreira faz a contagem e gera um "snapshot" do veículo. O snapshot é armazenado como arquivo jpeg e posteriormente analizado por outro software que faz a identificação da placa do veículo. Além disso é gerado um arquivo de vídeo avi contendo todo o movimento anotado na via.
	#'''Identificação de placas de licenciamento'''		#'''Identificação de placas de licenciamento'''
	;'''Softwares Adaptados'''		;'''Softwares Adaptados'''
	#'''Identificação de faces'''		#'''Identificação de faces'''

Cdab63: /* Softwares e Aplicações Portados Para Caninos Labrador V1.x V2.x */

2019-09-11T20:27:26Z

Softwares e Aplicações Portados Para Caninos Labrador V1.x V2.x

← Edição anterior		Edição das 20h27min de 11 de setembro de 2019
Linha 17:		Linha 17:
	#'''Plataforma python3:''' completa. Todas as extensões de processamento numérico, banco de dados, interfaces gráficas, integrações com aplicativos e com demais infraestruturas de programação, processamento de vídeo e áudio, ''spyder3 SDK''.		#'''Plataforma python3:''' completa. Todas as extensões de processamento numérico, banco de dados, interfaces gráficas, integrações com aplicativos e com demais infraestruturas de programação, processamento de vídeo e áudio, ''spyder3 SDK''.
	#'''Keras:''' front end para ''deep learning''. Instalação vanilla.		#'''Keras:''' front end para ''deep learning''. Instalação vanilla.
	#'''Theano:''' back end para ''deep learning''. Instalação vanilla. Contém basicamente as mesmas funcionalidades do ''tensorflow''. O desempenho de processamento em plataformas intel é menor por conta do menor número de otimizações agressivas, entretanto exatamente pela ausência dessas otimizações a		#'''Theano:''' back end para ''deep learning''. Instalação vanilla. Contém basicamente as mesmas funcionalidades do ''tensorflow''. O desempenho de processamento em plataformas intel é menor por conta do menor número de otimizações agressivas, entretanto exatamente pela ausência dessas otimizações a portabilidade é muito maior, incluindo as plataformas ''ARM V7''. Nas plataformas ''ARM V7'' é possível habilitar as extensões ''NEON'' e demais vetorizações melhorando sensivelmente o desempenho relativo à versão vanilla.
	portabilidade é muito maior, incluindo as plataformas ''ARM V7''. Nas plataformas ''ARM V7'' é possível habilitar as extensões ''NEON'' e demais vetorizações melhorando sensivelmente o desempenho relativo à versão vanilla.
	#'''tensorflow:''' back end para ''deep learning''. Instalação altamente dependente de patches, dependente de ''bazel'' e dependente de arquitetura. Atualmente encontra-se portado em 50% e depende do desenvolvimento de patches para a arquitetura ''SoC S500''.		#'''tensorflow:''' back end para ''deep learning''. Instalação altamente dependente de patches, dependente de ''bazel'' e dependente de arquitetura. Atualmente encontra-se portado em 50% e depende do desenvolvimento de patches para a arquitetura ''SoC S500''.
	;'''Softwares Desenvolvidos'''		;'''Softwares Desenvolvidos'''

Cdab63 em 20h26min de 11 de setembro de 2019

2019-09-11T20:26:56Z

← Edição anterior		Edição das 20h26min de 11 de setembro de 2019
Linha 17:		Linha 17:
	#'''Plataforma python3:''' completa. Todas as extensões de processamento numérico, banco de dados, interfaces gráficas, integrações com aplicativos e com demais infraestruturas de programação, processamento de vídeo e áudio, ''spyder3 SDK''.		#'''Plataforma python3:''' completa. Todas as extensões de processamento numérico, banco de dados, interfaces gráficas, integrações com aplicativos e com demais infraestruturas de programação, processamento de vídeo e áudio, ''spyder3 SDK''.
	#'''Keras:''' front end para ''deep learning''. Instalação vanilla.		#'''Keras:''' front end para ''deep learning''. Instalação vanilla.
	#'''Theano:''' back end para ''deep learning''. Instalação vanilla. Contém basicamente as mesmas		#'''Theano:''' back end para ''deep learning''. Instalação vanilla. Contém basicamente as mesmas funcionalidades do ''tensorflow''. O desempenho de processamento em plataformas intel é menor por conta do menor número de otimizações agressivas, entretanto exatamente pela ausência dessas otimizações a
	funcionalidades do tensorflow. O desempenho de processamento em plataformas intel é menor por conta do menor número de otimizações agressivas, entretanto exatamente pela ausência dessas otimizações a
	portabilidade é muito maior, incluindo as plataformas ''ARM V7''. Nas plataformas ''ARM V7'' é possível habilitar as extensões ''NEON'' e demais vetorizações melhorando sensivelmente o desempenho relativo à versão vanilla.		portabilidade é muito maior, incluindo as plataformas ''ARM V7''. Nas plataformas ''ARM V7'' é possível habilitar as extensões ''NEON'' e demais vetorizações melhorando sensivelmente o desempenho relativo à versão vanilla.
	#'''tensorflow:''' back end para ''deep learning''. Instalação altamente dependente de patches, dependente de ''bazel'' e dependente de arquitetura. Atualmente encontra-se portado em 50% e depende do desenvolvimento de patches para a arquitetura ''SoC S500''.		#'''tensorflow:''' back end para ''deep learning''. Instalação altamente dependente de patches, dependente de ''bazel'' e dependente de arquitetura. Atualmente encontra-se portado em 50% e depende do desenvolvimento de patches para a arquitetura ''SoC S500''.

Cdab63 em 20h26min de 11 de setembro de 2019

2019-09-11T20:26:25Z

← Edição anterior		Edição das 20h26min de 11 de setembro de 2019
Linha 15:		Linha 15:
	#'''burrow:''' software de carteira de moedas virtuais (particularmente aderente ao ''Ethereum''. É um projeto hospedado pela ''The Linux Foundation''. Instalação ''vanilla'' a partir do código fonte.		#'''burrow:''' software de carteira de moedas virtuais (particularmente aderente ao ''Ethereum''. É um projeto hospedado pela ''The Linux Foundation''. Instalação ''vanilla'' a partir do código fonte.
	;'''Instalações'''		;'''Instalações'''
	#'''Plataforma python3'''		#'''Plataforma python3:''' completa. Todas as extensões de processamento numérico, banco de dados, interfaces gráficas, integrações com aplicativos e com demais infraestruturas de programação, processamento de vídeo e áudio, ''spyder3 SDK''.
	#'''Keras'''		#'''Keras:''' front end para ''deep learning''. Instalação vanilla.
	#'''Theano'''		#'''Theano:''' back end para ''deep learning''. Instalação vanilla. Contém basicamente as mesmas
			funcionalidades do tensorflow. O desempenho de processamento em plataformas intel é menor por conta do menor número de otimizações agressivas, entretanto exatamente pela ausência dessas otimizações a
			portabilidade é muito maior, incluindo as plataformas ''ARM V7''. Nas plataformas ''ARM V7'' é possível habilitar as extensões ''NEON'' e demais vetorizações melhorando sensivelmente o desempenho relativo à versão vanilla.
			#'''tensorflow:''' back end para ''deep learning''. Instalação altamente dependente de patches, dependente de ''bazel'' e dependente de arquitetura. Atualmente encontra-se portado em 50% e depende do desenvolvimento de patches para a arquitetura ''SoC S500''.
	;'''Softwares Desenvolvidos'''		;'''Softwares Desenvolvidos'''
	#'''Identificação e contagem de carros'''		#'''Identificação e contagem de carros'''