real-time-Personal-estimation(새로운 모델 구축편)

소개

전회는 환경 구축
지난 번에는 학습 편으로 왔습니다.
다음은 제대로 사용할 수있는 모델을 만들고 싶습니다.

이 프로젝트의 목표

마지막으로이 프로젝트의 목표에 대해 썼습니다. 목표는 "노기자카 짱 분류기 만들기"라는 것이었습니다.
어쨌든 달성하지 못했지만 만드는 방법을 알았기 때문에 우선 목표를 절반 정도 달성했습니다.
yolo에서 인식 한 사람을 기반으로 관찰 할 수있는 도구를 개발하려고합니다.
이것은 예전에 수업에서 비슷한 코드를 작성했기 때문에 그것을 개선하는 것도 시야에 넣었습니다.
이것이이 프로젝트의 현재 목표입니다.

모델 구축

이전 기사에서 모델을 구축하는 방법에 대해 설명했으므로이를 참고로 구축 할 것입니다.
너무 많은이 기사에서 여러분에게 보여주는 것은 솔직하지 않습니다.
더 이상 자신을위한 기록이되므로 양해 바랍니다.

(1) 요다의 이미지를 수집합니다.
마지막으로, 나는 요다의 이미지를 적당히 수집하고 그것을 가공하여 모델을 만들었습니다.
글쎄, 이것이 작동하지 않는다고 생각하면서 했지만 잘 작동하지 않는다.
그래서 모델을 만들기 위해서는 재료가 필요하기 때문에 재료 수집 방법에서 생각합니다.

search.py

from icrawler.builtin import BingImageCrawler
crawler = BingImageCrawler(storage={"root_dir": "asuka"})
crawler.crawl(keyword="検索したい名前", max_num=100)

모델을 기반으로 주석을 만들었지만 이것은 힘들었습니다.
일단 모델의 파일과 같은 것을 올려 놓습니다.

data.yaml

train: test1/train/images
val: test1/valid/images
nc: 2
names: ['asuka', 'yoda']

결과 출력

약 100 장 2 범주 300 epoch에서 배웠습니다. 시간이 너무 걸렸기 때문에 정직합니다.
현실적이지 않습니다.
글쎄, 나는 그것을 인식하고 있는지 확인하기 위해 훈련 데이터와 다른 이미지를 사용하여 추론을 시도했다.
결과는 이쪽

결과적으로 잘 작동합니다.
이것이 비디오 일 수 있습니다.
조금 나중에 시도해 봅시다.

문제점

학습에 걸리는 시간이 로컬 PC (CPU)라고 생각하면 시간이 오래 걸립니다.
어쩌면 지금의 느낌이라면 130 장이라도 몇 시간이 걸릴 것입니다.
그렇게 생각하면 클라우드에서 실행 (GPU)을 사용하는 방법이 효율적이라고 느낍니다.
추가
2 범주와 2 범주의 추론은 잘 작동하지만 다른 사람의 이미지를 넣을 때 어떻게 작동하지 않습니다.
여기를 해결하는 방법을 찾고 있습니다.

고려 사항
· 계산 속도 향상
모델을 많이 만들고 고려하기 위해서는 먼저 모델을 많이 만들어야합니다.
따라서 모델을 신속하게 만드는 방법을 고려해야합니다.
· 로컬 머신(GPU)을 이용한 모델 작성 검토

다음 번

다음은 이것을 어떻게 사용하는지 전문적으로 작성하려고합니다.
추가
추가 된 내용을 어떻게하고 싶으니 누군가에게 조언이 있으면 알려주십시오.