差分
このページの2つのバージョン間の差分を表示します。
両方とも前のリビジョン 前のリビジョン 次のリビジョン | 前のリビジョン最新のリビジョン両方とも次のリビジョン | ||
opencv_dnn:object_detection [2018/09/11 16:42] – [SSD from Caffe] baba | opencv_dnn:object_detection [2019/06/27 10:35] – ↷ 移動操作に合わせてリンクを書き換えました。 202.246.252.97 | ||
---|---|---|---|
行 1: | 行 1: | ||
+ | {{indexmenu_n> | ||
====== Object Detection ====== | ====== Object Detection ====== | ||
- | [[opencv_dnn: | + | [[opencv_dnn: |
重みファイル,クラス名一覧を記したファイルが必要になります.まずは下記を参照してください. | 重みファイル,クラス名一覧を記したファイルが必要になります.まずは下記を参照してください. | ||
行 7: | 行 8: | ||
上記ページでそれぞれ利用する場合のパラメータや設定ファイルへのリンクがあります.詳細は上記ページを参照しておいてください.このページではなるべく手早くできるように,以下解説していきます. | 上記ページでそれぞれ利用する場合のパラメータや設定ファイルへのリンクがあります.詳細は上記ページを参照しておいてください.このページではなるべく手早くできるように,以下解説していきます. | ||
+ | なお,あらかた必要なmode, | ||
+ | $ wget https:// | ||
+ | $ python download_models.py | ||
===== MobileNet-SSD from Caffe ===== | ===== MobileNet-SSD from Caffe ===== | ||
物体検出器として一番有名なSSD(Single Shot multi-box Detector)というアルゴリズムです.特にその中でMobileNetと呼ばれる高速動作が可能なネットワークになり,それをcaffeという深層学習開発環境で作ったものになります. | 物体検出器として一番有名なSSD(Single Shot multi-box Detector)というアルゴリズムです.特にその中でMobileNetと呼ばれる高速動作が可能なネットワークになり,それをcaffeという深層学習開発環境で作ったものになります. | ||
行 14: | 行 18: | ||
* configファイル: | * configファイル: | ||
* classesファイル:{{ : | * classesファイル:{{ : | ||
+ | * 実行時間:65.18[ms] | ||
+ | * {{: | ||
ダウンロードが済んだら,下記を実行して動作を確かめてみます. | ダウンロードが済んだら,下記を実行して動作を確かめてみます. | ||
- | $ ./ | + | $ ./ |
| | ||
- | カメラが起動して,眼の前の自分がpersonとして識別されていればOKです. | + | カメラで起動したい場合は,inputのオプションを消すと,デフォルトカメラで起動します. |
===== SSDs from TensorFlow ===== | ===== SSDs from TensorFlow ===== | ||
- | 上記SSDをmobilenet等のその他の種類を含め,tensorflowで実装したものです. | + | <WRAP center round important 60%> |
- | mobilenetのv1, | + | https:// |
- | 今後も調査が必要です. | + | </ |
+ | 上記SSDをmobilenet等のその他の種類を含め,tensorflowで実装したものです.configファイル及び,modelファイルは[[https:// | ||
+ | |||
+ | ==== ssd_mobilenet_v1_coco ==== | ||
+ | * [[http:// | ||
+ | |||
+ | ダウンロード後展開し,その中にある frozen_inference_graph.pb をmodelファイルとして指定します.configファイルには,解凍したファイルからpbtxtを生成するのが正しいやり方になります. | ||
+ | * {{ : | ||
+ | * 実行時間:63.86[ms] | ||
+ | * {{: | ||
+ | |||
+ | $ ./ | ||
+ | | ||
+ | ==== ssd_mobilenet_v2_coco ==== | ||
+ | * [[http:// | ||
+ | |||
+ | 上記同様に froen_inference_graph.pb をmodelファイル,configファイルには生成したpbtxtを使う.ここでは生成したファイルをはっつけます. | ||
+ | * {{ : | ||
+ | * 実行時間:91.83[ms] | ||
+ | * {{: | ||
+ | |||
+ | $ ./ | ||
===== SSD from Caffe ===== | ===== SSD from Caffe ===== | ||
MobileNetではなく,元々のオリジナルSSDのcaffe実装.まずは下記リンクから一式ダウンロードし,必要なモデル,configファイルを持ってくる. | MobileNetではなく,元々のオリジナルSSDのcaffe実装.まずは下記リンクから一式ダウンロードし,必要なモデル,configファイルを持ってくる. | ||
* https:// | * https:// | ||
- | * ./ | + | * 実行時間:1197.79[ms] |
+ | * {{: | ||
+ | |||
+ | $ ./ | ||
===== Yolo ===== | ===== Yolo ===== | ||
- | 動作速度が高速であり,SSDとobject detectionにおいて双璧をなすアルゴリズムです. | + | 動作速度が高速であり,SSDとobject detectionにおいて双璧をなすアルゴリズムです.高速動作と引き換えにmAP(mean Average Percentage)がやや低め(バウンディングボックス精度が低い)というデメリットがあります.適応するアプリケーションがバウンディングボックスの正確性を必要とするものであれば不向きですが,ある程度この辺になにがあるかをざっくり知るだけであれば,本手法がおすすめです. |
+ | * 実行時間:94.38[ms] | ||
+ | * {{: | ||
+ | |||
+ | $ ./ | ||
+ | |