2020/09/25 2020/09/25

YOLOv5 登場！このプロジェクトの物体検出モデルです

アクセス: 1331

コメント: 0

それでは、今日は実際に物体検出モデルを動かしてみましょう。この上の画像のように対象の物体を枠で囲み、それが何であるかを確率とともに表示させたいと思います。物体検出も様々なモデルがあります。したがって使用する目的やその状況によって最適なモデルは異なります。今回は演算速度を重視し、さらに初心者の方でも使えることを考え、YOLOv5を選びました。開発環境としてGoogle Colabを使いますので、まだ使ったことが無い方はColabの準備をお願い致します。
 
 
１、はじめて物体検出を行う初心者の方でも使える？

物体検出モデルは大きく分けて、物体の位置を把握する部分と、把握した物体が何であるかを判別する部分に別れます。したがってやや複雑な構造を取りがちです。専門家の方ならともかく、はじめて画像認識の分野に挑戦する初心者の方に理論的背景から入っても全体像を把握する途中で息切れしてしまうかも知れません。ご自分で物体認識モデルを動かす体験が一度でもあれば、その後のモデル構造を学習するモチベーションもきっと上がることかと思います。ここではわずか５ステップで、上記のケーキの検出のような物体検出画像を出力したいと思います。
 
 
２、YOLOv5モデルのダウンロード

このモデルのリポジトリは、Githubにあります。親切なことに簡単な実験ができるnotebookまで用意されています。以下のリンクよりアクセスできます。

<a href="https://colab.research.google.com/github/ultralytics/yolov5/blob/master/tutorial.ipynb">https://colab.research.google.com/github/ultralytics/yolov5/blob/master/tutorial.ipynb</a>

notebookはこんな感じですね。YOLOv5と書かれています。そのままでも使えますが、折角ですからメニューバーの「ドライブにコピー」で自分のgoogle driveに保存しましょう。

notebookがセットできたら、１つ目のセル（灰色の部分)を実行しましょう。yolo5というディレクトリがgithubよりダウンロードされます。ここに学習済みモデルも含め、今回の実験に必要なものが全部入ってます。

３、物体検出したい画像のupload

デフォルトでは、busの画像とzidane(仏のサッカー選手・監督)の画像が入ってます。折角ですからご自分で好きな写真をuploadして、imagesのフォルダに入れて下さい（赤い囲みのところ）。私はケーキが好きなので、cake1.jpg を入れてみました。

４、物体検出の実行

では早速、YOLOv5モデルにケーキの検出をさせたいと思います。以下の画像のように、まず２段めセルの画像名をご自分が入れた画像名に変更して下さい（私の場合はcake1.jpgです）。変更が終わったらセルを実行します。すると計算時間のデータなどと一緒に物体検出された画像が表示されます。その画像ファイルは先程画像を格納したimagesの下にあるoutputのディレクトリに出力されています。

５、物体をうまく検出できる？

今回は学習済みモデルを使ってますので、特に追加の学習は必要ありません。ケーキはうまくケーキと判別してくれました。この学習済みモデルでは80クラスの物体が判別できるので、それらのクラスに属する写真であれば、ぜひいろいろ試して下さい。うまく判別できるか簡単な実験ができると思います。80クラスはここに表示されてます。<a href="https://cocodataset.org/#explore">https://cocodataset.org/#explore</a>

６、計算速度は？

字が小さくて読みにくいですが、一枚あたり0.012秒計算にかかっていると表示されています。もちろんV100という高速演算が可能なGPUを使っていることもありますが、リアルタイムでも充分使えそうなスピードです。

いかがでしょうか？うまくいきましたでしょうか？ちなみにこのYOLOv5は米国のultralytics社が作成し、オープンソースとして公開してくれています。いろいろ実験してみましたが、ほんとに使いやすいモデルだと思いました。彼らの貢献に感謝したいと思います。

<a href="https://www.ultralytics.com/">https://www.ultralytics.com/</a>

以上、今回は物体検出の簡単な実験をご紹介致しました。次回もいろいろと続きをやってみたいと思います。それではまたお会いしましょう。 notification：この記事はAI技術に関するあくまで個人的な感想を述べたものであり、正確性を担保するものではありません。ToshiStats株式会社および私は、本書に含まれる資料、指示、方法、アルゴリズムまたはアイデアを使用すること、または結果として行動することまたは行動することを控えることにより、人または財産に生じた損失または損害について一切の責任または義務を負いません。 ToshiStats株式会社および私は、商品性または特定の目的への適合性を含め、すべての黙示の保証を明示的に否認します。 コードやソフトウェアの誤りや欠陥を修正する義務は、ToshiStats株式会社および私にはありません。

YOLOv5 登場！このプロジェクトの物体検出モデルです

人気記事ランキング

噂のNotionですっきり、A…

YOLOv5 登場！このプロ…

PyTorchの躍進を紐解く３…

深層学習はシステム1から…

XGBoost（GBDT）とランダ…

いいね！ランキング

AIにはPythonと微分と確率は欠かせない。

XGBoost（GBDT）とランダムフォレストから…

ディープラーニングを学び始めた方へ　東…

深層学習はシステム1からシステム2へ

なぜZoomは40分で切れるのか？

im2colに慣れるための最初の一歩　～何を…

DETRで自動車の物体検出をやってみました！

ユーザーランキング

タグランキング

深層学習

ディープラーニング

AI

deeplearning

Transformer