প্রকল্প সম্পর্কে

এই রিপোজিটরিটি ভলিবল বল শনাক্তকরণ, র‍্যালি নিষ্কাশন এবং স্বয়ংক্রিয়ভাবে উল্লম্ব 9:16 রিল তৈরির জন্য একটি দ্রুত পাইপলাইন সরবরাহ করে। এটি ক্রীড়া বিশ্লেষণ এবং কম্পিউটার ভিশন গবেষণার জন্য ডিজাইন করা হয়েছে, যেখানে CPU হার্ডওয়্যারে রিয়েল-টাইম বল ট্র্যাকিং রয়েছে। পাইপলাইনটি বেশ কয়েকটি ধাপ নিয়ে গঠিত: একটি অপ্টিমাইজড ONNX মডেল ব্যবহার করে ভিডিও থেকে বল শনাক্তকরণ, যা বল স্থানাঙ্ক CSV-তে লেখে এবং ঐচ্ছিকভাবে একটি অ্যানোটেটেড ভিডিও তৈরি করে; CSV-কে JSON হিসাবে র‍্যালি ট্র্যাকে রূপান্তর; একটি সম্মিলিত অনুভূমিক র‍্যালি ভিডিও বা বিভক্ত র‍্যালি ক্লিপ তৈরি; এবং বল ট্র্যাজেক্টোরির উপর কেন্দ্র করে উল্লম্ব রিল তৈরি। একটি কোর্ট-সচেতন ভেরিয়েন্ট বল স্পর্শ শনাক্ত করতে প্লেয়ার ডিটেকশন ব্যবহার করতে পারে এবং পরবর্তী সার্ভের জন্য হস্তান্তরিত বল থেকে র‍্যালি আলাদা করতে পারে। ইনস্টলেশন uv sync ব্যবহার করে, এবং বেস ইনস্টল ভিজ্যুয়ালাইজেশন সমর্থন করে কারণ opencv-python-এ একটি GUI ব্যাকএন্ড অন্তর্ভুক্ত রয়েছে। একটি ডেভ এক্সট্রা ডায়াগনস্টিকস এবং পরীক্ষার জন্য matplotlib এবং pytest যোগ করে। দ্রুত-শুরু ওয়ার্কফ্লো আলাদা স্ক্রিপ্টের মাধ্যমে ডিটেকশন, ট্র্যাক গণনা, ঐচ্ছিক সম্মিলিত ভিডিও প্রসেসিং এবং রিল তৈরি চালায়। মূল কমান্ড-লাইন বিকল্পগুলি কনফিডেন্স থ্রেশহোল্ড, ভিজ্যুয়ালাইজেশন, CSV-শুধু আউটপুট, কোর্ট অ্যানোটেশন, ট্র্যাকিং প্যারামিটার, র‍্যালি ফিল্টারিং, প্যাডিং এবং রিল স্মুথিং বা ইন্টারপোলেশন নিয়ন্ত্রণ করে। একটি ইন্টারেক্টিভ রিভিউ স্ক্রিপ্ট কীবোর্ড নিয়ন্ত্রণের সাথে ফ্রেম এবং ট্র্যাকের মাধ্যমে ধাপে ধাপে যাওয়ার অনুমতি দেয়। OpenVINO রানটাইম স্ক্রিপ্টও সরবরাহ করা হয়েছে, যার মধ্যে একটি প্লেয়ার-এবং-বল ডিটেকশন স্ক্রিপ্ট রয়েছে যা প্রেডিকশন JSON এবং অ্যানোটেটেড ভিডিও আউটপুট করে। উপলব্ধ ONNX মডেলগুলি CPU সেটআপে বেঞ্চমার্ক করা হয়েছে রিপোর্ট করা F1, প্রিসিশন, রিকল এবং ইনফারেন্স FPS সহ; দ্রুততম মডেলটি বিচ্ছিন্ন ইনফারেন্সে 1000 FPS-এর বেশি পৌঁছায়, যখন সম্পূর্ণ পাইপলাইন রান শেয়ার্ড ভিডিও ডিকোডিংয়ের কারণে ধীর। পূর্ববর্তী চেকপয়েন্টগুলি রেফারেন্সের জন্য রাখা হয়েছে।