Real-time Object Detection Menggunakan Tensorflow Android

Source Code




Kali ini saya akan membagikan cara deteksi objek secara real-time menggunakan Tensorflow Android. Untuk lebih tau penjelasan tentang tensorflow bisa kunjungi situs resminya di https ://www.tensorflow.org/

  • Download terlebih dahulu tensorflow di git clone https://github.com/tensorflow/tensorflow
  • Setelah download anda bisa extract file tersebut.
  • Disini saya menggunakan Android Studio versi 3.1.3

Untuk langkah-langkahnya example tensorflow di android bisa anda ikuti seperti dibawah ini :

  • Buka Android Studio
  • Pilih direktori tensorflow / examples / android dimana anda menyimpan direktori TensorFlow Github. Klik OK.
  • Jika meminta anda melakukan Sinkronisasi Gradle, klik OK. Instal berbagai platform dan alat jika diminta.
  • Jika terdapat kesalah seperti ini : Error:No toolchains found in the NDK toolchains folder for ABI with prefix: mips64el-linux-android
  • Saya telah mencari cara untuk menyelesaikan problem tersebut
  • Pada build.gradle (Project: android)  ganti pada dependencies menjadi :
  • Kemudian pada gradle-wrapper.properties (Gradle Version) ganti menjadi :
  • Klik sync atau try again akan mununcul seperti ini :




  • Klik Enable embedded Maven repository and sync project
  • Akan muncul seperti ini :
  • Update Build Tools version and sync project
  • Kemudian pada build.gradle (Project: android) 
  • Ganti dengan :
  • Kemudian run program selesai.

Jika masih terdapat berbagai error anda bisa berkomentar dibawah, terimakasih.




 

4 pemikiran pada “Real-time Object Detection Menggunakan Tensorflow Android”

  1. min kalau kita membuat app android yg mendeteksi objek contoh saya memfoto buah pisang supaya kita tau buah pisang itu muda,mengkal dan masak,dan cara pembuatan data basenya.apakah ada cara pembuatannya nya?

    Balas
    • Sebenarnya itu bisa dicirikan setiap objeknya berdasarkan warna. Tapi jika ingin menggunakan proses pengenalan pola atau klasifikasi butuh menggunakan dataset dari masing-masing objek.

      Balas

Tinggalkan komentar

This site uses Akismet to reduce spam. Learn how your comment data is processed.