作業フォルダ jetson-inference/python/training/detection/ssd
今回の作業では、Docker による仮想環境が必要となる。
手順１ Docker の起動フォルダに移動し、Docker を起動する
| 1 | $ cd jetson-inference | |
| 2 | $ docker/run.sh | 場合により、ログインパスワードが必要 |
手順２ 作業フォルダに移動して、データセット fruit をダウンロードする
| 3 | cd jetson-inference/python/training/detection/ssd | |
| 4 | python3 open_images_downloader.py – – class-names ”Apple,Orange,Banana,Strawberry,Grape,Pear,Pineapple,Watermelon” – – data=data/fruit | |
| 事前にデータ数を調べたいときは、 python3 open_images_downloader.py – – stats-only – – class-names “～” |
| ラベルファイル | models/fruit/labels.txt |
| ラベル | apple orange banana strawberry grape pear pineapple watermelon |
| データセット | fruit | /data/fruit |
| 対象 | ラベル名 | データ総数 |
| リンゴ | apple | |
| オレンジ | orange | |
| バナナ | banana | |
| いちご | strawberry | |
| グレープ | grape | |
| 西洋なし | pear | |
| パイナップル | pineapple | |
| スイカ | watermelon |
| 作業 | 転移学習 | Transfer Learning with PyTorch |
| 分野 | 物体検出 | Object Detection |
| ネットワーク | ssd-mobilenet | |
| データセット | fruit | data/fruit Open Image Dataset よりダウンロード |
| 学習コマンド | python3 train_ssd.py | – – data=data/fruit – – model-dir=models/fruit – – epochs=30 |
| 作業 | 学習済みデータの onnx への転送 | ssd-mobilenet.onnx（for TensorRT） |
| 転送コマンド | python3 onnx_export.py | – – model-dir=models/fruit |
| 作業ディレクトリ | データ出力先 |
| 果物全体 | /jetson-inference/data/images/test |
| 作業 | 推論 | |
| 分野 | 物体検出 | Object Detection |
| 学習済みデータ | ssd-mobilenet.onnx | |
| 推論コマンド | detectnet | – – model=models/fruit /ssd-mobilenet.onnx – – labels=models/fruit/labels.txt – – input-blob=input_0 – – output-cvg=scores – – output-bbox=boxes |
| 入出力データ 果物全体 | 入力：‘/jetson-inference /data/images/fruit_*.jpg‘ | 出力：/jetson-inference /data/images/test/fruit_%i.jpg |
| 入出力データ ビデオ | 入力： /dev/video0 | 出力： |