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 次のリビジョン両方とも次のリビジョン | ||
opencv_dnn:object_detection [2018/09/18 12:29] – [SSD from Caffe] baba | opencv_dnn:object_detection [2018/10/12 10:01] – baba | ||
---|---|---|---|
行 1: | 行 1: | ||
+ | {{indexmenu_n> | ||
====== Object Detection ====== | ====== Object Detection ====== | ||
[[opencv_dnn: | [[opencv_dnn: | ||
行 17: | 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 ===== | ||
行 35: | 行 38: | ||
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. | 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 ==== | ==== ssd_mobilenet_v2_coco ==== | ||
行 43: | 行 48: | ||
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. | 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. | ||
行 54: | 行 61: | ||
===== 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.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. | 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] | ||
+ | * {{: | ||
+ | |||
+ | |||
$ ./ | $ ./ | ||
| | ||
- | {{: |