计导产学实验 2：利用 ModelArts 进行手势识别

​ 产学实验 2：利用 ModelArts 进行手势识别

1. 实验内容

1） 参与 华为云“云上先锋”·AI 学习赛，完成基本流程。

2） 训练一个手势识别模型。

1 参考学习赛的流程，利用数据集（gesture_recognition_data.zip）， 在 ModelArts 开发平台中训练一个可以识别不同的手势模型（Yeah、Rock、 OK、Great、Other）。 2 自定义一个自己的专属手势，加到数据集中重新训练模型。

3 在线部署并进行预测自己的专属手势。

2. 实验过程
3. 华为云“云上先锋”· AI 学习赛

第一步，先注册一个华为云账号。然后登录OBS管理控制台https://storage.huaweicloud.com/obs/?&region=cn-north-4&locale=zh-cn#/obs/buckets。

点击右上角的创建桶。

命名：自定义

数据冗余存储策略：单AZ储存

创建完成后，点击桶，选择”对象“,然后根据提示下载OBS Broswer+图形化管理工具。

安装OBS Broswer+后，登录华为云账号，即可上传文件。

接下来，将下载好的Garbage baseline压缩包解压，上传至OBS中，

接下来进入ModelArts环境中，先配置访问授权：

点击”全局配置->添加授权”，然后给你账户添加全局授权即可。

接下来，开始创建作业。在 ModelArts 左侧导航栏中选择“训练管理”，单击“训练管理 > 训练作业 > 创 建”按钮进入到“创建训练作业”配置页面，都在算法选择页面点击”创建”。

在创建算法中，AI引擎选择”显示旧版引擎”,选择”TensorFlow”,代码目录选择刚才上传的文件夹中的…code/,启动文件选择code/文件夹中的run.py文件。

在底下”输入数据配置”内代码路径参数输入data_url,在”输出数据配置”的代码路径中，输入train_url，提交，完成算法创建。

返回训练作业创建页面，选择创建新的训练作业，选择刚才创建的算法，在训练输入中，”选择数据存储位置”选择上传文件中的train_url/文件夹。在训练输出中，”选择”model_output/文件夹。下面的超参中，添加一个参数，参数名为deploy_script_path，其值为s3://obs-hand/codes/code/deploy_scripts/。即为s3://+OBS储存中的deploy_scripts文件夹的路径。信息确认无误后，提交

等待大概5分钟训练完成

训练完成后，在左侧的AI应用管理中，点击AI应用，点击创建：

在元数据来源中，选择”从对象存储OBS中选择”，选择刚才的model_output文件夹下的model文件夹。确认无误后，点击创建。

创建完成后，点击应用名，点击左上角的部署->在线服务，

选择默认参数，点击下一步

点击服务详情，查看部署进度。

部署完毕后，选择预测，上传图片进行预测。

可以看到，该模型对垃圾的识别准确率还挺高的。

2. 手势识别

手势识别的代码可以从垃圾识别的代码中修改得到。首先，分析代码，发现在deploy_script/customize_service.py文件中，有关于垃圾分类代码，

在这里，我们把这个字典里的内容修改一下，改成手势识别的分类

这里我自己定义了一个新的手势，比心，取名为Love，在这里修改了代码之后，、再找到garbage_classify_rule.json文件

将分类规则修改为以下内容

最后，再修改数据集中的数据对应关系。通过观察，可以发现垃圾分类的数据集的txt文件与图片名称相同，其内容为 图片名+”, ”+图片类别

而手势识别里的数据集中的txt文件内容为该图片对应的含义，

数据格式并不相同，所以我得自己写一个py脚本来批量更改txt文件的内容：

跑了十几秒，几百个txt文件就被修改好了。

接下来，添加自己的专属手势，这里我选择的手势是比心，手势的键为6：

拍了十张图片，并写好txt文件。

准备工作到此结束，剩下的步骤和上文的垃圾分类训练相同。训练出来的效果：

可以看到，对手势的识别，倒没有垃圾分类那样准确，对手势的标准度要求比较高。

3. 出现的问题及解决办法

1） 在网页端上传不了大量的图片

解决方法：下载OBS Broswer+图形化管理工具，就可以本地上传大量的图片

2） 找不到文件

：

解决方法：该问题是因为使用了新版AI引擎，换成旧版的TensorFlow即可解决

3） 训练过程中出现HTTP 404错误

解决方法：该问题是deploy_script文件夹中的resnet50.py文件中有条链接挂了。

只要把这条链接换成可以用的链接就好。通过文件中的一条链接，我在github上找到了该文件

我把它上传到了OBS上，并复制它的分享链接

把它加到resnet50.py文件中

问题解决

4） deploy_script_path is not exist

解决方法： 教程中的链接挂了，换成自己的OBS桶的deploy_script文件夹链接即可。

5） 手势识别数据集中txt文件内容与要求格式不同

解决方法：自己修改几百个txt文件显然不太现实，就写一个py脚本自动帮我修改成我需要的格式即可。

4. 心得体会

这次实验，虽然难度比小车低一点点，但还是很难。这次训练人工智能，从数据处理开始，到模型配置和部署，都操作了一遍，让我体验的比较完整的人工智能训练过程，而且通过训练，让我了解华为云这个平台的使用方式，了解到了华为云这个功能强大的平台。