記事28 転移学習「物体検出」DS:face

 

 令和6(2024)年度・課題研究
 AIモデル「MobileNet-SSD」の転移学習による「人物(顔)検知(検出)

使用機材Xavier NX AI-Computer(Nvidia)
OSUbuntu 18.04
作業フォルダjetson-inference/python/training/detection/ssd/

 


■ カテゴリ数は、5人とする。

ラベルファイル data/face/labels.txt
対象ラベル名
生徒1student1
生徒2student2
生徒3student3
生徒4student4
生徒5student5

■ 転移学習のためのデータセットは、訓練用30評価用10試験用10とする。

 ( 簡易学習用のデータセット 練習用10評価用5試験用5 )

データセット名 face
目的格納ディレクトリstudent1student2student3student4student5
訓練data/face/train3030303030
評価data/face/val1010101010
試験data/face/test1010101010

camera-capture を使用した場合、上記のディレクトリには格納されない


■ 転移学習コマンド

作業転移学習Transfer Learning with PyTorch
分野物体検知Object Detection
AIモデルMobileNet-SSD高速な物体検知が可能
高い認識性能&軽量モデル
データセットfacedata/face(オリジナル)
camera-capture
使用時の
学習コマンド
python3
train_ssd.py
– – dataset-type=voc 1
– – data=data/face
– – model-dir=models/face
– – epochs=30

1 camera-capture を使用した場合の、データセット・タイプ


■ 学習済みデータの変換・転送コマンド

作業学習済みデータの
onnx への転送
mobilenet-ssd.onnx
(for TensorRT 2
転送コマンドpython3
onnx_export.py
– – model-dir=models/face

2 学習したデータを「AI-Computer」で処理できるように変換・転送する


■ 推論結果の格納ディレクトリ

対象データ出力先(要作成)
生徒1/data/face/student1
生徒2/data/face/student2
生徒3/data/face/student3
生徒4/data/face/student4
生徒5/data/face/student5

camera-capture を使用した場合、上記のフォルダは基本不要となる


■ 転移学習して作られた新たなモデルによる、推論コマンド

作業推論
分野物体検知Object Detection
学習済みデータmobilenet-ssd.onnx
推論コマンドdetectnet– – model=models/face
  /mobilenet-ssd.onnx
– – labels=models/face/labels.txt
– – input-blob=input_0
– – output_cvg=scores
– – output-bbox=boxes
入出力データ
「生徒1」
入力:data/face
/test/student1
出力:data/face
/student1
入出力データ
ビデオ
入力:
/dev/video0
出力:
画面に結果

■ 画像取り込みソフト「Camera Capture」の使い方

 


■ 認識結果

 

タイトルとURLをコピーしました