Модуль распознавания визуальной речи

Команда для запуска модуля распознавания визуальной речи:

python ./openav/api/test_video.py --config <путь_к_вашему_конфигурационному_файлу>.yaml

Важно

Для запуска команды необходимо обязательно указать путь к конфигурационному файлу. Запускать программу необходимо из директории, где она расположена.

Конфигурационный файл

Конфигурационный файл включает в себя следующие настройки:

• Отображение процесса выполнения программы в терминале (командной строке)

• Работа с файловой системой

• Параметры процесса распознавания визуальной речи

Пример конфигурационного файла

Отображение процесса выполнения команды в терминале

Параметр	Тип	Значение по умолчанию	Описание
hide_metadata	bool	false	Включение отображения метаданных
hide_libs_vers	bool	false	Включение отображения версий установленных библиотек в командной строке

Работа с файловой системой

Параметр	Тип	Значение по умолчанию	Описание
path_to_dataset	str	<путь_к_набору_данных>	Директория, где размещается подготовленный набор данных для тестирования обученных нейросетевых моделей
path_to_model	str	<путь_к_моделям>	Директория, где размещаются обученные нейросетевые модели
depth	int	3	Глубина иерархии для получения данных. Указывается количество подкаталогов в директории path_to_dataset
ext_search_files	list	["mov", "mp4", "webm"]	Список расширений файлов, которые будут обрабатываться

Параметры процесса распознавания визуальной речи

Параметр	Тип	Значение по умолчанию	Описание
size_lips	int	width: 112 height: 112	Размер входного изображения области губ в px
channels_lips	int	1	Количество каналов изображения. 1- одноканальное изображение (в серых тонах), 3 - трёхканальное изображение (RGB)
metric	str	accuracy	Метрика, в соответствии с которой будет вывод результатов тестирования обученных нейросетевых моделей