پروژه PyCharm/(50201)
ردیابی و شناسایی اتوماتیک موش های آزمایشگاهی با دسته بندی رفتاری به صورت real-time پروژه ۳ بخش کلی داره: 1- بخش tracking که با toolbox اماده deeplabcut انجام میشه. در این بخش، کتابخانه ای label شده از ۷ نقطه بدن 6 موش (ولی بعدا موش ها 10 تا یا بیشتر میشه) آماده سازی و در شبکه آموزش داده میشه. در نهایت، خروجی، نقاط مشخص شده بدن روی عکس ها و همچنین شناسایی فردی موش ها می باشد. 2- بخش شناسایی(کمکی) که توسط تگ های متصل به دم موش و visul marker ها انجام میشه. از کتابخانه AruCo با تگ های 4*4فعلا استفاده شده که لایبراری و کد های تشخیص آی دی توی زبان پایتون برای AruCo موجود هست. هدف، بهبود عکس ها و تنظیم فیلترهای موجود در Aruco هستش که با دقت خوبی آی دی ها شناسایی بشوند. 3- دسته بندی رفتاری موش ها. در این قسمت، ابتدا ، رفتارها label گذاری می شوند که نرم افزار BORIS خیلی به label گذاری کمک میکنه (کار باهاش خیلی ساده اس). این رفتارها و داده های deeplabcut که برای همین رفتارها انجام شده با هم ترکیب داده شده، feature ها استخراج میشوند و در نهایت داده ها train میشوند. کدهای پایتون این بخش هم از مقاله های مشابه قابل استخراج و استفاده است. ۳ تا ۶ ماه برای انجام پروژه زبان پایتون، بهتر با PyCharm انجام بشود
امتیاز : 0/5
تایم لاین پروژه
درخواست پشتیبانی-
در انتظار پرداخت
پرداخت تعرفه ثبت پروژه های غیر رایگان
-
در حال بررسی
برسی و تایید پروژه از طرف مدیرت سایت
-
آماده دریافت پیشنهادها
تایید پروژه و نمایش برای مجریان
-
در انتظار پرداخت هزینه پروژه
پرداخت هزینه اجرای پروژه توسط کارفرما
-
در انتظار پرداخت ضمانت اجرا
پرداخت مبلغ ضمانت اجرا توسط مجری
-
در حال انجام
پروژه شما درحال انجام می باشد
-
انجام شد
اتمام اجرای پروژه
لیست پیشنهادها
هیچ پیشنهادی ارسال نشده است
- اطلاعات پروژه
- 3289کد پروژه
-
کمک آموزشی
دسته بندی - 13 بهمن 1401تاریخ ثبت
- 90 روزمهلت اجرا
- 100,000 تومانحداقل بودجه
- 300,000 تومانحداکثر بودجه
- 0 درصد ضمانت اجرا
- آماده دریافت پیشنهادها وضعیت