EO_504

È utile ricorrere a immagini con persone diverse, più generi, acconciature, etnie, angolazioni differenti. Ciò serve a evitare che il modello si adatti eccessivamente e lo renderà più accurato quando si tenterà di classificare un’ampia gamma di persone. Più dati vengono raccolti, più accurato sarà il modello. Tuttavia, va tenuto presente che questo potrebbe aumentare le dimensioni e la com- plessità del modello, allungandone l’addestramento. Se si desidera utilizzare l’API di rilevamento degli oggetti personalizzati di ML Kit, bisogna assicurarsi di seguire le loro linee guida specifiche durante la creazione del pro- prio modello, altrimenti l’API non sarà in grado di uti- lizzarlo. La maggior parte dei modelli generati per que- ste attività dovrebbero essere modelli tflite (TensorFlow Lite). UtilizzareJavapercreareun’appdi riconoscimento facciale con mascherina Come per qualunque progetto, ci sono diversi modi per implementare questa applicazione. In Android Studio un modo semplice per far funzionare la fotocamera è con l’API CameraX, quindi associarla a un analizzatore di im- magini utilizzando l’API Google ML Kit per elaborarla. Assicurarsi poi di inserire il modello nella cartella “as- sets” del progetto Android Studio e aggiungere le dipen- denze per le API nel file “build.gradle”, affinché Android Studio sia in grado di riconoscere che si stanno utilizzan- do. Una guida maggiormente dettagliata sull’utilizzo di CameraX e ML Kit per rilevare e tracciare oggetti è dispo- nibile al seguente link: h t t p s : // www.v i a t e c h . c om/en / 202 1 /04 / c r e a- ting-your-first-custom-computer-vision-applica- tion-with-the-via-vab-950/ Creare l’applicazione in tal modo è semplicistico e le spe- cifiche classi per questo modello potrebbero essere una persona che indossa una mascherina e una che non in- dossa una mascherina (Fig. 1). Il modo migliore per far- lo inizialmente potrebbe essere quello di riconoscere un volto utilizzando l’ML kit, quindi utilizzare un modello TensorFlow per rilevare se il volto riconosciuto indos- si una mascherina oppure no. TensorFlow fornisce una demo application molto utile per aiutare le persone a imparare a utilizzare la propria API per rilevare oggetti, e quest’ultima può essere una buona piattaforma da cui partire per creare un’app maggiormente accurata di rico- noscimento facciale con mascherina. Nell’applicazione demo TensorFlow, il codice per il ri- levamento e il monitoraggio degli oggetti potrebbe trovarsi all’interno della classe “DetectorActivi- ty”, e il modello tflite nella cartella “assets”. Un buon esempio di un’applica- zione funzionante creata utilizzando questa tecnica è disponibile al seguen- te link: https://medium. com/@estebanuri/real-ti- me-f a c e-ma sk-r e co- gnition-in-android-wi- t h - t e n s o r f l o w - l i - te-215df6327265 , insieme a una visione più dettaglia- ta del codice. Per ulteriori informazioni: https://www.viatech.com/ en/products/boards/mo- dules/som-9x35/ Riconoscimento facciale con mascherina (foto a) e senza mascherina (foto b) EO MEDICAL - SETTEMBRE 2022 X Medical