/Plugin_4_ScreenAI

En este proyecto se muestra la estructura básica de una librería/plugins para ScreenAI, el sistema de análisis de imagen basado en las API de Proyecto Horus.

Primary LanguageC#

Plugin para ScreenAI

En este proyecto se muestra la estructura básica de una librería/plugins para ScreenAI, el sistema de análisis de imagen basado en las API de Proyecto Horus.

PlugIns

¿De que trata?

El presente proyecto corresponde a un fuente demo para la creación de plugins para la interfaz de análisis de imagen ScreenAI el cual podrá descargar sin cargo desde: http://www.proyectohorus.com.ar/ScreenAI

Screan AI, permite realizar análisis de imagen usando diversos mecanismos basados en DeepLearning a través de captura de pantalla en tiempo real. Para realizar dicha tarea se utiliza las APIs de Proyecto Horus (http://www.proyectohorus.com.ar/), servicio Cloud basado en tecnología NVidia EGX v100.

Como dialoga el HOST con el PLUGIN

ScreenAI como host del plugin enviara un conjunto de valores formateados en JSON según la siguiente estructura:

{
"Data": [
{
    "code":200,
    "value":"ok",
    "y1":0,
    "x1":0,
    "y2":0,
    "x2":0,
    "detected_id":"-1",
    "vector_id":"-1",
    "confidence":0.00
},
{
    "code":-1
}
]
}

Donde:

  • Code: Corresponde al valor de respuestas del servidor con 200 como un código que indica que el mensaje esta OK y con -1 como final del mensaje.
  • X1 e Y1: Corresponden a valores sin escalar de las coordenadas del vertice superior izquierdo del box que delimita el área de detección.
  • X2 e Y2: Corresponden a valores sin escalar de las coordenadas del vertice inferior derecho del box que delimita el área de detección.

Nota: Sin escalar significa que se deberá multiplicar cada valor flotante devuelto por el host por un valor integral que represente el ALTO o ANCHO de la imagen sobre la cual se realiza el análisis, ejemplo:

Si el área de captura de pantalla fue ajustada en 640x480 deberemos multiplicar los valores X1 y X2 por el ancho del área, o sea 640 y los valores Y1 e Y2 por los valores del alto del área, o sea 480, recuperando asi las coordenadas en integral correspondientes a cada vértice.

  • detected_id: Es el nombre canónico del objeto detectado en el box.
  • vector_id: Corresponde a un valor interno que define el traking de un box a lo largo de la captura.
  • Confidence: Por último Confidence nos indica que tan certera es la detección.

Contactanos en:

https://www.linkedin.com/company/35599193/admin/

Seguime en:

https://www.linkedin.com/in/fernando-p-maniglia/

Conocenos más en:

https://www.seamansrl.com.ar