יסודות בינה מלאכותית : RB27 – מבוא ל YOLO – זיהוי אובייקטים

אז מה נילמד בקורס …..

מטוס קרב עם בינה מלאכותית

מטוס קרב בינה מלאכותית מול אמיתי מי מנצח

1. מבוא לשפת פייתון – שפה פופלארית לפיתוח – בינה מלאוכתית

פייתון (באנגלית: Python) היא שפת תכנות עילית דינמית למטרות כלליות מהנפוצות ביותר, ומדורגת באופן עקבי כאחת משפות התכנות הפופולריות ביותר^[2]^[3]. פייתון תוכננה תוך שימת דגש על קריאוּת הקוד, וכוללת מבנים המיועדים לאפשר ביטוי של תוכניות מורכבות בדרך קצרה וברורה. אחד המאפיינים הבולטים בתחביר השפה הוא השימוש בהזחה להגדרת בלוקים של קוד (ללא שימוש בסוגריים או במילים שמורות לצורך כך, כמו ברוב השפות הנפוצות).

https://he.wikipedia.org/wiki/%D7%A4%D7%99%D7%99%D7%AA%D7%95%D7%9F

1.1 סביבת הפיתוח

https://colab.research.google.com/

1.1.1 ניתן לפתח גם עם – https://chatgpt.com/

טבלאות אמת :

הבנה כללית של קוד פיטון עבור הרצה של בינה מלאכותית .

משפטי תנאי :

age = 8
if age > 7:
    print("You are older than 7!")

age = 8

if age > 7:

print("You are older than 7!")

height = 100
if height < 120:
    print("You are shorter than 120 cm!")

height = 100

if height < 120:

print("You are shorter than 120 cm!")

day = "Monday"
if day == "Sunday":
    print("It's a weekend!")
else:
    print("It's a weekday!")

day = "Monday"

if day == "Sunday":

print("It's a weekend!")

else:

print("It's a weekday!")

color = "blue"
if color == "red" or color == "blue":
    print("You chose a primary color!")

color = "blue"

if color == "red" or color == "blue":

print("You chose a primary color!")

age = 10
height = 130
if age > 5 and height > 120:
    print("You can go on the ride!")

age = 10

height = 130

if age > 5 and height > 120:

print("You can go on the ride!")

fruit = "apple"
if fruit != "banana":
    print("This is not a banana!")

fruit = "apple"

if fruit != "banana":

print("This is not a banana!")

number = 3
if number > 5:
    print("Number is greater than 5!")
elif number == 5:
    print("Number is exactly 5!")
else:
    print("Number is less than 5!")

number = 3

if number > 5:

print("Number is greater than 5!")

elif number == 5:

print("Number is exactly 5!")

else:

print("Number is less than 5!")

x = 5
y = 10
if x < 10 and y > 5:
    print("x is less than 10 and y is greater than 5!")

x = 5

y = 10

if x < 10 and y > 5:

print("x is less than 10 and y is greater than 5!")

score = 85
if score > 90 or (score > 80 and not score == 100):
    print("Great job on your score!")

score = 85

if score > 90 or (score > 80 and not score == 100):

print("Great job on your score!")

string

Python, strings are zero-indexed, which means the first character of a string is at index 0, the second character is at index 1, and so on

text = "Python"
print(text[0])  # Output: P (the first character)
print(text[1])  # Output: y (the second character)

text = "Python"

print(text[0]) # Output: P (the first character)

print(text[1]) # Output: y (the second character)

הדפסה של על התווים ניראה בהמשלך לולאות

text = "Python"
length = len(text)  # Get the length of the string

print(f"The length of the string is: {length}\n")

for i in range(length):
    print(f"Character at position {i}: {text[i]}")

text = "Python"

length = len(text) # Get the length of the string

print(f"The length of the string is: {length}\n")

for i in range(length):

print(f"Character at position {i}: {text[i]}")

כתיבה יותר מקוצרת אבל פחות " קלה "

text = "Python"

for i in range(len(text)):
    print(text[i])

text = "Python"

for i in range(len(text)):

print(text[i])

text = "Hello, welcome to Python programming!"

if "Python" in text:
    print("The word 'Python' is in the text!")
else:
    print("The word 'Python' is not in the text.")

text = "Hello, welcome to Python programming!"

if "Python" in text:

print("The word 'Python' is in the text!")

else:

print("The word 'Python' is not in the text.")

Output: The word 'Python' is in the text!

text = "Learning Python is fun!"

if text.find("Python") != -1:
    print("Found the word 'Python' in the text!")
else:
    print("Couldn't find the word 'Python' in the text.")

text = "Learning Python is fun!"

if text.find("Python") != -1:

print("Found the word 'Python' in the text!")

else:

print("Couldn't find the word 'Python' in the text.")

תרגיל כיתה 1

לחץ על הקישור הבא והרץ את התוכנית :

https://colab.research.google.com/drive/1U9o4Ucnq3kesvtMz4rxVgS0XXhXCoh_L?usp=sharing

2. העתק והרץ את התוכנית הבאה מה היא עושה

import random  # Import the module that allows random number generation

# Generate 5 random numbers between 1 and 10 and print them
for i in range(5):
    random_number = random.randint(1, 10)  # Generate a random number between 1 and 10
    print(f"Random number {i+1}: {random_number}")

import random # Import the module that allows random number generation

# Generate 5 random numbers between 1 and 10 and print them

for i in range(5):

random_number = random.randint(1, 10) # Generate a random number between 1 and 10

print(f"Random number {i+1}: {random_number}")

4. קלט : Time Check

hour = int(input("Enter the hour (0-23): "))
if 6 <= hour < 12:
    print("Good morning!")
elif 12 <= hour < 18:
    print("Good afternoon!")
else:
    print("Good evening!")

hour = int(input("Enter the hour (0-23): "))

if 6 <= hour < 12:

print("Good morning!")

elif 12 <= hour < 18:

print("Good afternoon!")

else:

print("Good evening!")

4. תרגול לולאות : בדיקת כלי טיס

vehicles = ["bird", "kite", "uav", "drone", "plane", "car"]
for vehicle in vehicles:
    if vehicle in ["bird", "kite", "uav", "drone", "plane"]:
        print(f"{vehicle} is an aerial vehicle")
    else:
        print(f"{vehicle} is not an aerial vehicle")

vehicles = ["bird", "kite", "uav", "drone", "plane", "car"]

for vehicle in vehicles:

if vehicle in ["bird", "kite", "uav", "drone", "plane"]:

print(f"{vehicle} is an aerial vehicle")

else:

print(f"{vehicle} is not an aerial vehicle")

4.1. בדיקת פירות

items = ["apple", "banana", "carrot", "orange", "potato"]
for item in items:
    if item in ["apple", "banana", "orange"]:
        print(f"{item} is a fruit")
    else:
        print(f"{item} is not a fruit")

items = ["apple", "banana", "carrot", "orange", "potato"]

for item in items:

if item in ["apple", "banana", "orange"]:

print(f"{item} is a fruit")

else:

print(f"{item} is not a fruit")

4.2. בדיקת ציפורים

items = ["bird", "kite", "uav", "drone", "plane"]
for item in items:
    if item == "bird":
        print(f"{item} is a bird")

items = ["bird", "kite", "uav", "drone", "plane"]

for item in items:

if item == "bird":

print(f"{item} is a bird")

4.3 בדיקת ציפורים בתוך רשימה מעורבת

results = ["bird", "kite", "uav", "drone", "plane", "moon", "car"]
filtered_results = []
for result in results:
    if result == "uav":
        print("UAV found in sky")
        filtered_results.append(result)

print("Filtered results:", filtered_results)

results = ["bird", "kite", "uav", "drone", "plane", "moon", "car"]

filtered_results = []

for result in results:

if result == "uav":

print("UAV found in sky")

filtered_results.append(result)

print("Filtered results:", filtered_results)

4.4 בדיקת ציפורים בתוך רשימה מעורבת

results = ["bird", "kite", "uav", "drone", "plane", "moon", "car"]
filtered_results = []
for result in results:
    if result != "bird" and result == "moon":
        filtered_results.append(result)

print("Items that are not birds and are moons:", filtered_results)

results = ["bird", "kite", "uav", "drone", "plane", "moon", "car"]

filtered_results = []

for result in results:

if result != "bird" and result == "moon":

filtered_results.append(result)

print("Items that are not birds and are moons:", filtered_results)

4.5 בדיקת ציפורים בתוך רשימה מעורבת

results = ["bird", "kite", "uav", "drone", "plane", "moon", "car"]
filtered_results = []
for result in results:
    if result not in ["bird", "kite", "plane", "moon"]:
        filtered_results.append(result)

print("Items different from bird, kite, plane, and moon:", filtered_results)

results = ["bird", "kite", "uav", "drone", "plane", "moon", "car"]

filtered_results = []

for result in results:

if result not in ["bird", "kite", "plane", "moon"]:

filtered_results.append(result)

print("Items different from bird, kite, plane, and moon:", filtered_results)

5. תרגול ספירה

results = ["bird", "kite", "uav", "drone", "plane", "moon", "car", "uav"]
count_uav = 0
for result in results:
    if result == "uav":
        count_uav += 1

print(f"Number of UAVs found: {count_uav}")

results = ["bird", "kite", "uav", "drone", "plane", "moon", "car", "uav"]

count_uav = 0

for result in results:

if result == "uav":

count_uav += 1

print(f"Number of UAVs found: {count_uav}")

5.1 הוספה למערך

results = ["bird", "kite", "uav", "drone", "plane", "moon", "car", "uav"]
count_uav = 0
uav_list = []
for result in results:
    if result == "uav":
        count_uav += 1
        uav_list.append(result)

print(f"Number of UAVs found: {count_uav}")
print("List of UAVs:", uav_list)

results = ["bird", "kite", "uav", "drone", "plane", "moon", "car", "uav"]

count_uav = 0

uav_list = []

for result in results:

if result == "uav":

count_uav += 1

uav_list.append(result)

print(f"Number of UAVs found: {count_uav}")

print("List of UAVs:", uav_list)

https://colab.research.google.com/gist/RoboWild/19deff31306d95d2e315a9e1d331f156/yolo-train.ipynb

4 . זיהוי אובייקטים YOLO

YOLO (ראשי תיבות של You Only Look Once) הוא מודל בינה מלאכותית שיודע לזהות ולהבין מה יש בתמונה במהירות גבוהה מאוד.

דמיינו שיש לכם רובוט שמסתכל על תמונה ורואה בה אוטו, חתול ואיש – הוא לא רק יודע שהם שם, אלא גם איפה בדיוק הם נמצאים בתוך התמונה.

YOLO עובד בצורה חכמה – הוא מסתכל על כל התמונה בפעם אחת, מזהה את כל האובייקטים החשובים ומקיף אותם במסגרת. בגלל זה הוא מהיר מאוד ומתאים למכוניות חכמות, מצלמות אבטחה ומשחקים.

שימושים

תעופה: YOLO

עוזר למטוסים ורחפנים לזהות מכשולים באוויר ולנווט בבטחה.
דוגמה: רחפן מזהה ציפורים ומתאים את מסלול הטיסה כדי למנוע התנגשות.

רפואה:

מזהה מחלות בתמונות רנטגן או MRI במהירות.
דוגמה: רופא משתמש ב-YOLO כדי למצוא גידול בריאות מתוך אלפי סריקות.

צבא:

מזהה כלי רכב חשודים, חיילים או רחפנים בשדה הקרב.
דוגמה: מערכת הגנה מזהה בזמן אמת טיל מתקרב ומפעילה יירוט אוטומטי.

תנועה:

מזהה כלי רכב, רמזורים והולכי רגל לשיפור הבטיחות בדרכים.
דוגמה: מצלמה חכמה מזהה רכב שחוצה צומת באור אדום ושולחת דו"ח.

יש כמה מודלים מתחרים ל-YOLO בתחום זיהוי אובייקטים בזמן אמת:

SSD (Single Shot Detector) – כמו YOLO, מסתכל על כל התמונה בפעם אחת, אבל מחלק אותה לרשת קטנה יותר. מהיר אך פחות מדויק בקטנים.
- 📌 דוגמה: משמש במצלמות חכמות לזיהוי פנים.
Faster R-CNN – מזהה אובייקטים בדיוק גבוה מאוד, אבל איטי יותר כי הוא מחפש אזורים חשובים לפני הזיהוי.
- 📌 דוגמה: משמש ברפואה כדי לזהות תאים סרטניים בתמונות מיקרוסקופיות.
EfficientDet – יותר יעיל ופחות כבד, מספק איזון בין דיוק למהירות.
- 📌 דוגמה: בשימוש ברחפנים לזיהוי מטרות צבאיות.
DETR (DEtection TRansformer) – משתמש במודלי Transformer (כמו ב-ChatGPT) כדי לזהות אובייקטים בדיוק רב, אך לא מהיר כמו YOLO.
- 📌 דוגמה: בשימוש במערכות חכמות לנהיגה אוטונומית.

YOLO עדיין מוביל במהירות, אך במקרים שדורשים דיוק גבוה במיוחד, משתמשים גם במודלים אחרים

1.נזכיר YOLO 8 יש מודל דוגמא – שיוע לזהות כ 80 מחלקות כלליות שהם ברורות

1.1 רשימת מחלקות

Person	Bicycle	Car	Motorcycle	Airplane	Bus	Train	Truck	Boat	Traffic light
Fire hydrant	Stop sign	Parking meter	Bench	Bird	Cat	Dog	Horse	Sheep	Cow
Elephant	Bear	Zebra	Giraffe	Backpack	Umbrella	Handbag	Tie	Suitcase	Frisbee
Skis	Snowboard	Sports ball	Kite	Baseball bat	Baseball glove	Skateboard	Surfboard	Tennis racket	Bottle
Wine glass	Cup	Fork	Knife	Spoon	Bowl	Banana	Apple	Sandwich	Orange
Broccoli	Carrot	Hot dog	Pizza	Donut	Cake	Chair	Couch	Potted plant	Bed
Dining table	Toilet	TV	Laptop	Mouse	Remote	Keyboard	Cell phone	Microwave	Oven
Toaster	Sink	Refrigerator	Book	Clock	Vase	Scissors	Teddy bear	Hair drier	Toothbrush

2. התקן את הבינה המלאכותית לזיהוי אובייקטים מסוג YOLO 8 לפי ההוראות הבאות

2.1 יש ראשית להיכנס לגוגל לחשבון האישי ואז להיכנס ל COLAB (בסיום ההרצאה יש להתנתק מחשבון GOOGLE )

2.2.2 קישור

https://colab.research.google.com/drive/1wfPhYH4xOMdmW3O730b42bNvPnHxuGwI?usp=sharing

2.3 התקנה של YOLO

%pip install ultralytics
import ultralytics
ultralytics.checks()
!pip install opencv-python-headless
print (" **** done **** ")

%pip install ultralytics

import ultralytics

ultralytics.checks()

!pip install opencv-python-headless

print (" **** done **** ")

2.4 יצירת ספריות

import os
current_path = os.getcwd()
print("Current Path:", current_path)
# Create the directories using shell commands
!mkdir -p download/images
!mkdir -p download/movies

print("Directories download/images and download/movies created successfully.")

import os

current_path = os.getcwd()

print("Current Path:", current_path)

# Create the directories using shell commands

!mkdir -p download/images

!mkdir -p download/movies

print("Directories download/images and download/movies created successfully.")

2.5

import cv2
import requests
import numpy as np
from ultralytics import YOLO
import matplotlib.pyplot as plt



# Define colors
red = (255, 0, 0)
green = (0, 255, 0)
blue = (0, 0, 255)
cyan = (0, 255, 255)
magenta = (255, 0, 255)
yellow = (255, 255, 0)
maroon = (128, 0, 0)
dark_green = (0, 128, 0)
navy = (0, 0, 128)
olive = (128, 128, 0)
purple = (128, 0, 128)
teal = (0, 128, 128)
white = (255, 255, 255)
black = (0, 0, 0)

# Load the YOLOv8 model
model = YOLO('yolov8n.pt')

# Download the image from the URL
image_url = 'https://robotronix.co.il/wp-content/uploads/2024/05/3-300x199.jpg'
response = requests.get(image_url)
image_array = np.asarray(bytearray(response.content), dtype=np.uint8)
image = cv2.imdecode(image_array, cv2.IMREAD_COLOR)

# Save the image locally
cv2.imwrite('download/images/3-300x199.jpg', image)

# Run the model on the downloaded image with a confidence threshold of 0.54 without drawing boxes
results = model.predict(source='download/images/3-300x199.jpg', conf=0.54)

# Function to draw bounding boxes and text with custom text size
def draw_custom_boxes(image, results, model):
    for result in results:
        boxes = result.boxes.data.cpu().numpy()
        for box in boxes:
            x1, y1, x2, y2, conf, cls = box
            label = f'{model.names[int(cls)]} {conf:.2f}'
            # Draw bounding box
            cv2.rectangle(image, (int(x1), int(y1)), (int(x2), int(y2)), red, 2)
            # Draw label background
            (w, h), _ = cv2.getTextSize(label, cv2.FONT_HERSHEY_SIMPLEX, 0.4, 1)
            cv2.rectangle(image, (int(x1), int(y1) - h - 3), (int(x1) + w, int(y1)),red, -1)
            # Draw label text
            cv2.putText(image, label, (int(x1), int(y1) - 3), cv2.FONT_HERSHEY_SIMPLEX, 0.4, white, 1)

# Display the original image
plt.figure(figsize=(14, 7))
plt.subplot(1, 2, 1)
plt.title("Original Image")
plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
plt.axis('off')

# Copy the original image to draw boxes on it
result_image = image.copy()

# Draw custom boxes and labels
draw_custom_boxes(result_image, results, model)

# Save the result image
cv2.imwrite('result_image.jpg', result_image)

# Display the result image inline
plt.subplot(1, 2, 2)
plt.title("Detection Results")
plt.imshow(cv2.cvtColor(result_image, cv2.COLOR_BGR2RGB))
plt.axis('off')

plt.show()

import cv2

import requests

import numpy as np

from ultralytics import YOLO

import matplotlib.pyplot as plt

# Define colors

red = (255, 0, 0)

green = (0, 255, 0)

blue = (0, 0, 255)

cyan = (0, 255, 255)

magenta = (255, 0, 255)

yellow = (255, 255, 0)

maroon = (128, 0, 0)

dark_green = (0, 128, 0)

navy = (0, 0, 128)

olive = (128, 128, 0)

purple = (128, 0, 128)

teal = (0, 128, 128)

white = (255, 255, 255)

black = (0, 0, 0)

# Load the YOLOv8 model

model = YOLO('yolov8n.pt')

# Download the image from the URL

image_url = 'https://robotronix.co.il/wp-content/uploads/2024/05/3-300x199.jpg'

response = requests.get(image_url)

image_array = np.asarray(bytearray(response.content), dtype=np.uint8)

image = cv2.imdecode(image_array, cv2.IMREAD_COLOR)

# Save the image locally

cv2.imwrite('download/images/3-300x199.jpg', image)

# Run the model on the downloaded image with a confidence threshold of 0.54 without drawing boxes

results = model.predict(source='download/images/3-300x199.jpg', conf=0.54)

# Function to draw bounding boxes and text with custom text size

def draw_custom_boxes(image, results, model):

for result in results:

boxes = result.boxes.data.cpu().numpy()

for box in boxes:

x1, y1, x2, y2, conf, cls = box

label = f'{model.names[int(cls)]} {conf:.2f}'

# Draw bounding box

cv2.rectangle(image, (int(x1), int(y1)), (int(x2), int(y2)), red, 2)

# Draw label background

(w, h), _ = cv2.getTextSize(label, cv2.FONT_HERSHEY_SIMPLEX, 0.4, 1)

cv2.rectangle(image, (int(x1), int(y1) - h - 3), (int(x1) + w, int(y1)),red, -1)

# Draw label text

cv2.putText(image, label, (int(x1), int(y1) - 3), cv2.FONT_HERSHEY_SIMPLEX, 0.4, white, 1)

# Display the original image

plt.figure(figsize=(14, 7))

plt.subplot(1, 2, 1)

plt.title("Original Image")

plt.imshow(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))

plt.axis('off')

# Copy the original image to draw boxes on it

result_image = image.copy()

# Draw custom boxes and labels

draw_custom_boxes(result_image, results, model)

# Save the result image

cv2.imwrite('result_image.jpg', result_image)

# Display the result image inline

plt.subplot(1, 2, 2)

plt.title("Detection Results")

plt.imshow(cv2.cvtColor(result_image, cv2.COLOR_BGR2RGB))

plt.axis('off')

plt.show()

3 בדוק את התמונות הבאת

העשרה :

יסודות בינה מלאכותית : RB27 – מבוא ל YOLO – זיהוי אובייקטים

1. מבוא לשפת פייתון – שפה פופלארית לפיתוח – בינה מלאוכתית

1.1 סביבת הפיתוח

https://colab.research.google.com/

string

תרגיל כיתה 1

4 . זיהוי אובייקטים YOLO

שימושים

יש כמה מודלים מתחרים ל-YOLO בתחום זיהוי אובייקטים בזמן אמת:

Person

Bicycle

Car

Motorcycle

Airplane

Bus

Train

Truck

Boat

Traffic light

Fire hydrant

Stop sign

Parking meter

Bench

Bird

Cat

Dog

Horse

Sheep

Cow

Elephant

Bear

Zebra

Giraffe

Backpack

Umbrella

Handbag

Tie

Suitcase

Frisbee

Skis

Snowboard

Sports ball

Kite

Baseball bat

Baseball glove

Skateboard

Surfboard

Tennis racket

Bottle

Wine glass

Cup

Fork

Knife

Spoon

Bowl

Banana

Apple

Sandwich

Orange

Broccoli

Carrot

Hot dog

Pizza

Donut

Cake

Chair

Couch

Potted plant

Bed

Dining table

Toilet

TV

Laptop

Mouse

Remote

Keyboard

Cell phone

Microwave

Oven

Toaster