今回の概要 作業内容 結果 精度向上のための考察 今回の概要 精度が低下した理由について 精度向上のための考察 作業内容 精度が落ちる理由について いままではデータをシャッフルして学習していましたが、今回の場合はシャッフルしないほうが汎化性能を高め…

今回の概要 入力に画像サイズの情報の付与した結果について アンサンブル学習の準備 次回の予定 今回の概要 入力に画像サイズの情報を付与した結果について ニューラルネットの評価 アンサンブル学習の準備 入力に画像サイズの情報の付与した結果について 探…

今回の概要 出力値を体積に変更 回帰値→one-hot vecに変更 入力に画像サイズの情報の付与 アンサンブル学習の準備 次回の予定 今回の概要 出力値を体積に変更した結果について 回帰値→one-hot vecに変更した結果について 入力に画像サイズの情報の付与（プロ…

今回の概要 作業内容 出力値を体積に変更 回帰値→one-hot vecに変更 次回の予定 今回の概要 出力値を体積に変更(VGG19_train1.py) 回帰値をone-hot vecに変更（VGG_train2.py） 作業内容 前回の考察を基に改善の戦略を立てましたので、それを順次実行してい…

テスト用画像による出力結果の検証 現在のモデルに対する考察 精度と損失について モデルについて 改善策と今後の展望 テスト用画像による出力結果の検証 前回は200epochで実行していたため、1000epochsを上限としてソースコードを再実行しました。 3回実行…

パラメータチューニング テスト用画像の収集 評価用モデルの作成 パラメータチューニング 前回は全結合層の３層のパラメータ探索を行いました。 今回はその結果を用いて交差検証を行った結果、41.25% (+/- 35.04%)と今まで行ってきたモデルより精度が低い結…

簡易体積算出の調整 Khold部を再検討 パラメータチューニング ベイズ最適化を用いたパラメータチューニング パラメータチューニングの改善 全結合層を1層でパラメータチューニング実行 交差検証 階層の検討 モデルの詳細分析 次回の予定 簡易体積算出の調整 …

今後の予定 Khold部を再検討 パラメータチューニング 評価 テスト学習 モデル構築と学習・評価プログラムの作成が完了したため、ハイパーパラメータを適当に決めてベースラインを決定します。 パラメータは以下のようにしました。 loss function = mean_squa…

Augmentationによるデータ拡張 Augmentationによるデータ拡張のソースコード 学習プログラム機能の追加 Trashの削除 次回の予定 Augmentationによるデータ拡張 学習・検証用データが100枚程度だと不足するため、データ拡張(Augmentation)を行います。 色合い…

作業内容 次回の予定 作業内容 モデル作成 前回の記事(https://www.itd-blog.jp/entry/volume-calculation-algorithm-7)をもとにモデルを作成しました。 以下にResNet50と追加した全結合層を示します。 ※ResNet152はAWSのメモリが足りなかったため、ResNet50…

データセット作成 データセットの整形・分析 製品の傾向の確認 モデル構想 次回の予定 データセット作成 機械学習用のデータセットを作成します。 収集する対象は冷蔵庫や電子レンジ等の大型家電の設置画像と、その製品名と寸法です。 以下にデータセット化…

簡易体積算出アルゴリズムの再考 構想 簡易体積算出アルゴリズムの再考 前回までの簡易体積算出プログラムは簡易性と先進性において欠点があったため、方針を再考したいと思います。 条件として、スマホ等のカメラ撮影のみで完結し、チェスボードやブロック…

チェスボードの座標の間隔による座標統合について 奥行きの算出 次回の予定 チェスボードの座標の間隔による座標統合について まず、物体の各辺を知るためには、チェスボードの頂点間の分布を確認する必要があります。 そこで、チェスボード全ての点間距離を…

マウスクリックからの座標取得 次回の予定 マウスクリックからの座標取得 前回でチェスボードの認識と座標情報の取得ができましたので、次はマウスによる物体の頂点のマーキングと抽出です。 以下に、頂点を7点マーキングして各頂点の座標を出力するプログラ…

実装にあたっての戦略 実践 今回から、チェスボードを基準とした簡易体積算出アルゴリズムを実装していきます。 実装にあたっての戦略 前回は幾何学的算出の実現可能性について検討しました。 実装にあたり、流れを整理しましょう。 まず、チェスボードの印…

幾何学的算出の実現可能性 前回の結果と考察 3次元把握の方法 今後の方針 前回の記事では相対的算出をテストしました。 結果として算出精度が低かったため、今回はチェスボードを基準とした簡易体積算出アルゴリズムの実現可能性を検討します。 幾何学的算出…

簡易体積算出アルゴリズム作成の方針決め テスト このシリーズでは、簡易的に体積を算出するアルゴリズムを作成していきます。 第1回となる今回は、アルゴリズム作成の方針を決定したいと思います。 簡易体積算出アルゴリズム作成の方針決め このシリーズを…

発祥 Pythonでできること バージョン 動作環境 参考文献 発祥 Pythonを作ったのは、オランダ人のプログラマ、Guido van Rossum氏です。 名前の由来はイギリス人のコメディグループ「モンティ・パイソン」から取って名付けられました。 Pythonは万人のための…

はじめに Pythonで開発するにあたって Python開発環境の準備 開発環境を起動 動作確認 参考文献 はじめに 本セクションではPythonとはどういった言語か？と思われている方や、 名前は聞くけど、どうプログラミングするのか、開発環境はどのように準備するの…

概要 ファインチューニングとは？ keras-YOLOv3でのファインチューニング方法 train_bottleneck.pyの実行 実際に検出してみた 次回 概要 前回はkeras-YOLOv3で独自データを用いた学習を行う方法を紹介しましたが、今回は学習済みモデルのファインチューニン…

概要 アノテーション アノテーションファイルはそのままkeras版YOLOv3には使えない フォーマット クラスファイル アノテーションファイルを生成する処理 学習の実行 ResourceExhaustedErrorが出力されてしまう時 ログファイルを使用して続きから学習を行う方…

はじめに 開発環境 この記事で行うこと プログラムの作成 プログラム(main関数)の流れ カメラを利用した物体検出 保存した動画を利用した物体検出 デモ動画 現状の課題 次回以降 最後に はじめに 第1回で紹介した技術を元に、第2回の記事では、カメラ、又は…

はじめに AIカートの物体検出で得られるメリット 利用する技術 背景差分法とは 開発環境 OpenCVとは OpenCVをインストールしよう プログラムの作成 プログラムの流れ 閾値について 次回以降 最後に はじめに このブログでは、「AIカートの物体検出」について…

概要 HOG特徴量＋サポートベクターマシン(SVM) 実行結果 Haar-like特徴量分類器 実行結果 まとめ 概要 今回はopenCVを用いた物体検出を試してみます。 HOG特徴量＋サポートベクターマシン(SVM) HOG(Histgram Of Gradient) とはおおまかに説明すると、画像の…

概要 前回との変更点 FasterR-CNNの導入から学習まで テスト実行 学習データを白黒に変更して実行 次回 概要 前回の続きで、白黒画像からの物体検出精度を上げる研究を行っていきます。 今回は前回提案した解決案のうち、"グレースケール画像で学習を行った…

概要 ソース 顔方向検出の仕組み 1.dlibを用いて顔を検出する 2.cv2.solvePnP()を用いて顔の方向を推定する まとめ 概要 パソコンのカメラから人の顔を検出し、覗き見防止をするプログラムを作成していきます。 最初の目標はカメラに映った人の顔の向きを判…

概要 検証結果 カラー画像と白黒画像の精度比較 課題解決案 次回 概要 今回は前回導入した学習済みYOLOv3を使って、実際に撮影した画像に対して検出を行ってみたいと思います。 検証結果 100枚の画像を使用しましたが、 とても良い精度とは言えない結果とな…

はじめに 概要 Pythonのダウンロードとインストール YOLOv3の導入 実行してみる 次回 はじめに 今回から、室内の人数をカウントするシステムの研究内容について、記録をまとめていきたいと思います。 概要 言語はPython3.6を使用します(3.7ではtensorflowが…