M5 StickV에서 사용할 수 있는 모델을 생성하는 V-Training을 시도했습니다.

이른바 M5 StickV
M5 Stack사가 제공하는 AI 카메라다.(제품 정보 상세 정보는 여기.부터)

크기는 작지만 이미지 처리, 얼굴 인식, 물체 검측 등 이미지를 단독으로 식별할 수 있다.프로그램 읽기와 관련해서도 마이크로SD 카드에서 읽을 수 있다.
M5 StickV를 사용한 이미지 인식을 위해서는 학습이 완료된 모델(kmodel 형식)이 필요하다.
그러나 이 모델을 만들기 위해서는 케어스의 학습 후 h5 형식(Keeras)→tflite 형식(Tensor Folow Lite)→kmodel 형식으로 전환해야 하는데 환경 구축과 학습에 필요한 비용을 고려하면 어렵다고 생각한다.
그래서 이번에 V-Training을 이용해서 모델의 생성과 식별을 시도해 봤는데 소개해 드리려고 합니다.
이른바 V-Training
M5 Stack사가 제공하는 서비스에서는 학습 데이터를 업로드하여 모델을 생성할 수 있습니다.
http://v-training.m5stack.com/
V-Training 프로세스는 다음 이미지와 같습니다.( 인용원 )

요점은 다음과 같은 세 가지가 있다.
1. M5 StickV 카메라를 이용하여이 프로그램 대상이 되는 물체를 촬영하여 마이크로SD카드에 보관(1class당 최소 35장)
2. 마이크로SD 카드에 저장된 이미지를 V-Training에 업로드
3. 업로드 후 지정한 메일 주소, 생성된 모델 및 boot.py(물체를 식별하는 프로그램)와 시작할 때의 이미지를 다운로드할 수 있는 URL을 보냈기 때문에 그것을 다운로드하고 마이크로SD카드를 넣고 시작하면 그 모델로 식별할 수 있다.
이것만 모델을 생성하고 식별할 수 있다.
물체를 검측해 보았다
생성된 모형을 사용하여 물체 검측을 시도했다.
다음은 시도해 본 예다.식별 결과에 따라 서보 모터를 이동한다.
M5 StickV의 Baymax 인식을 사용합니다.식별 결과에 따라 서보 모터를 이동한다.pic.twitter.com/3GJb4pi3vF-클라크스(@kuracux)October 27, 2019

눈에 띄는 일

대상 물체의 배경에 변화가 생겨도 영향이 크지 않고, 대상 물체의 배경에 변화가 생겨도 영향이 크지 않다💡

M5 StickV에서 촬영한 것은 학습 데이터로 고스란히 사용되기 때문에 대상 물체의 배경에 영향을 받을 수 있다고 생각합니다. 그러나 이 점은 큰 영향을 주지 않고 물체 주위의 변화가 있어도 식별할 수 있습니다.p>

상기 트위터의 예에서 흰색 원형 물체와 빨간색 원형 물체도 식별할 수 있다br/>
또 사람의 얼굴과 포커 문양(특히 J, Q, K)을 구별하기 어려워 오인이 생기기 쉽다br/>
이러한 이유로 식별할 때 비슷한 것을 표시할 수 없으며 분류 대상에 큰 차이가 있는 경우가 좋다p>

예를 들어 3개의 물체(a, b, c)를 배워서 모델을 생성한다고 가정하면br/>
이 모형과 책.py를 이용하면 a, b, c 어느 것도 찍히지 않고 c로 분류된다br/>
처리 방법으로 배경 이미지만 촬영하는 클래스를 준비하면 해당 클래스로 분류할 수 있다p>

끝말

V-Training을 사용하면 비교적 짧은 시간 안에 모델을 생성할 수 있기 때문에 너무 많은 비용을 들이지 않아도 좋아하는 것을 분류할 수 있다.편리하게 테스트하기 위해서 여러 가지 데이터를 시도할 수 있다고 생각합니다.