| データセットの説明 |
| 人の左手の手形を撮影した画像。対象は、生徒４名、先生１名の計５名。それぞれの対象（クラス）ごとに、訓練用（train）データ４０、評価用（val）データ１０、試験用（test）データ５から構成される。 |
作業フォルダ jetson-inference/python/training/classification
| ラベルファイル | data/tegata/labels.txt |
| ラベル | studentA studentB studentC studentD teacherA |
| データセット | 対 象 | 生徒Ａ | 生徒Ｂ | 生徒Ｃ | 生徒Ｄ | 教員Ａ |
| tegata | ラベル名 | studentA | studentB | studentC | studentD | teacherA |
| 訓練用 | data/tegata/train | 40 | 40 | 40 | 40 | 40 |
| 評価用 | data/tegata/val | 10 | 10 | 10 | 10 | 10 |
| 試験用 | data/tegata/test | ５ | ５ | ５ | ５ | ５ |
※ 一部の例外はあるが、「訓練用」、「評価用」、「試験用」データは、
全て異なるものを使用した。
| 作業 | 転移学習 | Transfer Learning with PyTorch |
| 分野 | 分類 | Classification |
| データセット | tegata | data/tegata（オリジナル） |
| 学習コマンド | python3 train.py | – – model-dir=models/tegata – – epochs=30 と 60 回 data/tegata |
| ネットワーク | resnet18 | for PyTorch |
| 作業 | 学習済みデータの onnx への転送 | resnet18.onnx（for TensorRT） |
| 転送コマンド | python3 onnx_export.py | – – model-dir=models/tegata |
| 推論用 入力データ /data/tegata | 結果用 出力フォルダ（要作成） /data/tegata |
| /test（５名全員） | /result（５名全員） |
| /train/studentA /train/studentB /train/studentC /train/studentD /train/teacherA | /result/sa /result/sb /result/sc /result/sd /result/ta |
| 作業 | 推論 | |
| 分野 | 分類 | Classification |
| 学習済みデータ | resnet18.onnx | |
| 推論コマンド | imagenet | – – model=models/tegata/resnet18.onnx – – labels=data/tegata/labels.txt – – input-blob=input_0 – – output-blob=output_0 |
| 入出力データ 生徒Ａ | 入力：data/tegata /test/studentA | 出力：data/tegata/result |
| 入出力データ ビデオ | 入力：/dev/video0 | 出力：映像 |
★ 学習方法
最初に、epochs=30 次に epochs=60 で訓練をおこなった。しかし、推論結果には、ほとんど差異が見られなかった。
★ 試験用データ（test）による、結果の評価（本来の評価）
５名×５枚、計25枚の推論を行った。
正解は、生徒A 4/5、生徒B 2/5、生徒C 0/5、生徒D 2/5、教員A 1/5 で、かなり低い認識率であった。まったく実用にならないレベルであった。
★ 訓練用データ（train）による、結果の評価（過学習の評価）
５名×40枚、計200枚の推論を行った。
正解は、生徒A 34/40、生徒B 23/40、生徒C 0/40、生徒D 38/40、教員A 22/40 で、かなり高い認識率から低い認識率でばらつきがでた。認識率の傾向は、試験用データと同じであった。
★ 今後の対応
学習データの個数を増やす（40→100）。再度撮影する際は、手の向きは一定にして、多少左右に動かす程度にする。
それでも認識率が上がらない場合は、データの加工を行う。具体的な加工方法は今後検討する。