Flow

O Flow é um programa no formato low-code, construído com componentes de código, orientado para a decomposição de dados de imagens (não estruturados) em dados de saída (estruturados).

O Flow é estruturado como um processo de entrada-saída.

A entrada é um fluxo de imagens, como por exemplo:

• Câmera: Industrial, Segurança, IP
• Celular
• Arquivo de Vídeo

A saída pode ser para qualquer outro sistema de dados como:

• Arquivos: JSON, CSV, TXT
• Bancos de dados: MongoDB, Postgres
• Filas de mensagem: RabbitMQ, AMQP
• Controladores: CLP, IC, TCP, RS-232
• Envio de alarmes: E-mail, SMS, Notificações

Como o Eyeflow é uma plataforma extensível, não existe limites para criação de componentes. É possível criar rapidamente um componente em Python e usá-lo no Flow para executar a função desejada.

Entre a entrada e a saída o processamento das imagens é feito em componentes de Redes Neurais. Cada componente desses estará ligado a um dataset, e irá usar o modelo treinado com o dataset para executar em produção.

É possível também utilizar componentes que enviam as imagens para processamento em serviços de provedores de cloud. Por exemplo, usar um componente que pega a imagem de um documento e envia para o reconhecimento de caracteres do Google, e daí processar a resposta para digitalizar esse documento.

Criar um Flow é um processo bem simples.

Clique na aba Flow na barra de navegação

Abrirá a tela para carregar um Flow ou Criar um novo. Ao clicar em Novo Flow irá abrir uma tela para entrar com os dados. É só preencher os dados e pronto, o Flow será criado.

Após a criação do Flow vamos adicionar alguns componentes para criar um flow simples que identifica de o Pet na imagem.

Vamos adicionar 3 componentes nesse Flow:

Input Câmera IP - Coloque localhost como URL

ROI Cutter - Coloque o nome Identifica Pet e escolha o dataset Gatos e Cachorros

Output JSON File Save - Preencha filename como test.json

Ligue as saídas de cada componente na entrada do próximo

Pronto! O Flow está completo.

Uma das grandes vantagens da plataforma EyeFlow.AI é que ela é um ambiente integrado completo para o desenvolvimento de aplicações de Video Analytics. O processo de redes neurais exige uma razoável quantidade de exemplos anotados para poder aprender, e a maneira mais fácil de conseguir esses exemplos é utilizando vídeos.

Então, o processo de desenvolvimento envolve um ciclo de atividades:

1. Testa o vídeo no Flow observando se a aplicação está marcando o vídeo corretamente
2. Identifica os erros que a aplicação está cometendo e vai nos datasets
3. Na tela de Novos Exemplos procura por quadros onde a rede neural não identificou o objeto corretamente
4. Adiciona vários exemplos de erro (de 30 a 50 em cada ciclo é um bom número)
5. Anota os novos exemplos corrigindo os erros
6. Treina a rede neural e verifica os indicadores de assertividade para ver se a rede está aprendendo bem
7. Após os treinamentos volta para testar novamente o vídeo

Após termos bons resultados nas anotações dos vídeos nosso Flow já está pronto para publicarmos na borda.

Para onde devo ir agora?

• Dataset: Anotando Datasets
• Treinamento: Treinando a rede neural