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りました。
カラー画像と白黒画像の精度比較
白黒画像ではカラー画像に比べて色の情報が少ないです。情報量が少なくなることで判定の精度も落ちるということが考えられるため、その検証を行ってみます。 前回カラー画像でテストを行った際には中々良い精度を出していたので、カラー画像と白黒画像で精度が変わるのか検証してみました。
結果を比較すると、カラー画像では検出できていた二人が白黒画像では検出できていませんでした。 白黒画像はカラーに対して情報量が少ないことから、検出精度が落ちてしまうことがわかりました。
課題解決案
白黒画像では低下してしまう精度問題の解決案を考えてみました。
グレースケール画像で学習を行ったモデルを用いる 今回までは学習済みのモデルというものを利用して検出を行いましたが、独自のデータを用いてモデルの学習を行うこともできます。 白黒画像から物体検出を行うならば、カラー画像で学習を行ったモデルよりも、白黒画像で学習を行ったモデルの方が精度が伸びるのではないかと思いました。 仮説ですが、一度試してみる価値はあると思います。
入力画像の前処理を行う 画像解析を行う際、前処理を行うことで、安定した検出を行うことが出来ます。 画像に含まれる特徴が顕著になることで、精度向上を見込めるのではないかと思います。
Haar-Like特徴などを用いた別の手法での物体検出を行う 物体検出の方法はたくさん存在し、YOLOv3とはかなり異なった手法が存在します。 これらを用いれば今回とはかなり違った結果が得られるのではないかと思います。
次回以降は上記の解決案についてひとつずつ検証を行っていきたいと思います。
次回
解決案1番から順番に検証を行っていきます。
