집 대기의 동행. 어린이와 놀이 Coral Dev Board와 AutoML Vision과 Micro:bit에서 주공과 마나티 식별.

EdgeTPU나 AutoML Vision 등을 사용하고 싶다



집 대기에서 지루한 아이들을 위해, 주공과 마나티의 식별 모델을 AutoML Vision에서 학습하고, tflite 모델을 작성. Coral Dev Board에서 실장해, 카메라로 촬영한 것이 주공인지 마나티인지를 판별하고 Micro:bit의 LED로 표시한다. 여름방학의 자유 연구에도 최적, 기계 학습 모델 총액 약 25,000엔입니다.

주공인지 마나티인지 그게 문제야



나 쥬공

나 마나티


온나지 얀

자력으로 구분하고 싶은 분은 여기를 참조하십시오 → 차이를 알 수 있는 사전

AutoML Vision으로 식별 모델 만들기



주공과 마나티의 이미지를 가능한 한 많이 수집합니다.
'주공', '마나티'로 Google 이미지 검색. 전혀 숫자가 부족합니다.
영어로 "dugong""manatee". 굳이 타이포 "dugon""manaty".
중국어로 "독방""해우". 스페인어, 러시아어….
어떻게든 주공 324장, 마나티 330장을 수집.
과연 조금 적지만 포기합니다.

  • 학습
    Edge용으로 학습.
     모델 최적화의 옵션은 정밀도 Medium의 Best trade-off.
    3 maximum node hours에서 학습 시작합니다.
  • 결과

  • 2.344 노드 시간으로 종료.
    비용 US$11.6



    충분하지 않습니까

    EdgeTPU 모델 내보내기



    데이터를 내보냅니다.
    EdgeTPU용 tflite 형식 파일로 GCS로 내보내집니다.
    EdgeTPU용으로 되어 있으므로, TFLite converter도 EdgeTPU compiler도 필요 없습니다.
     

    EdgeTPU Python API 사용



    이번에는 EdgeTPU API의 식별 모델용 추론 API를 이용합니다.
    기본적으로는 4행 쓰면 식별할 수 버립니다.
    from edgetpu.classification.engine imort ClassificationEngine
    model = "edgetpu_model.tflite"
    engine = ClassificationEngine(model)
    ans = engine.classify_with_image(img, threshold=0.5, top_k=1)
    

    이번에는 카메라로 촬영한 생물이 주공인지 마나티인지를 구분하는 구조로 하고 싶기 때문에 CV2를 이용하여 캡처했습니다.
    결과를 이미지에 오버레이합니다.



    Micro:bit로 결과 표시



    모처럼 Coral Dev Board가 명함 사이즈인데 결과 표시가 PC 모니터라고 조금 언밸런스. 외출에도 적합하지 않습니다.
    단순히 주공인지 마나티인지를 나타내면 간단한 LED로 충분합니다. 거기서 수중에 있던 어린이 장난감의 Micro:bit. 각종 입출력이나 센서도 쌓아 있어 간편하고 확장성도 바랄 것 같습니다.

    Dev Board의 출력도 periphery를 사용하면 쉽습니다.
    from periphery import GPIO
    gpio73 = GPIO(73, "out")
    gpio73.write(True)
    gpio73.close()
    

    Micro:bit측의 프로그램은 아이에게도 걸리는 것 같은 단순한 것으로.

    Dev Board와 Micro:bit의 GPIO 연결. 전원 공급도 해 주면.


    오, 주공. 오, 마나티.

    이제 주머니에 Coral Dev Board를 넣어 도바 수족관에 가면 도야 얼굴 수 있군요. 어린이도 큰 기쁨.

    조금이라도 빨리 코로나 소동이 들어가, 도바 수족관에서 많은 물고기나 동물을 만날 수 있는 날이 오기를 바랍니다. 또 의료관계에 종사하는 분, 생활을 지지하는 일을 하고 있는 많은 분, 가족을 사람들을 지키는 여러분의 매일의 노력에 감사를 말하는 것과 동시에, 여러분의 건강을 기원 말씀드립니다. (2020년 4월 25일)

    참고 사이트



  • Coral official
    이쪽의 본가 사이트가 정말로 내용 충실하고 이쪽만으로 대략적인 것은 해결합니다.
  • 【제9회】micro:bit 외부 접속용 핀의 역할

  • 비용 요약




    product/service      
     price


    AutoML Vision
    1,250

    Coral Dev Board
    20,000

    Micro:bit
    3,200

    기타 잡품
    550

    합계

    25,000


    Web 카메라, 케이블 등은 그 근처에 떨어지고 있는 것으로 가격 없는 것으로.

    좋은 웹페이지 즐겨찾기