月: 2022年4月

今週やったこと

各物体検出の精度・速度の調査をしました。
参考サイト↓

• CNNを用いた物体検出アルゴリズムの性能比較 – Qiita
• Deep Learningによる一般物体検出アルゴリズムの紹介

結果としては、YOLOかSSDを使う方が良いとわかりました。(YOLOもSSDもシンプルなネットワークで構成されているので速度も出て、精度も高い)
ただ、YOLOの場合は多オブジェクトがあると精度が低くなってしまうため、試験的にお金の検出をやってみて精度を比較し、どちらのモデルを使って物体検出をするかを決定していく形になると思っています。

もう一つ、試験的にYOLOv5を使用した物体検出をしてみました。（検出に使用した動画は拾い物です）

今回使用したのはv5で、半分以上重なっていなければおおよそ検出ができているくらいの精度が出ていました。
今回はとりあえずテスト的に動かしただけなので、これから自分で紙幣や硬貨の画像を学習させて、重なっている場合でもどれだけの精度が出るのか確認しようと考えています。

次週までにやること

• 研究テーマの確定
• (YOLOv5での紙幣・硬貨の検出を試してみる)

今週やったこと

ヒアリングを行って前回提案していた、『写真を撮って合計金額を計算するアプリ』をテーマに進める方向になりました。
　そのテーマに必要な技術を調べていたところ、複数クラスの判別が可能な物体検出の技術を調べていました。

• Region CNN(R-CNN)
• SPPnet
• Fast R-CNN
• Faster R-CNN
• YOLO
• SSD (Single Shot Multibox Detector)

来週までにやること

下記サイト等を参考に、それぞれの技術のメリットデメリットを調査し、軽く物体検出を試してみる。
https://qiita.com/arutema47/items/8ff629a1516f7fd485f9

https://www.alpha.co.jp/blog/202108_02

今週やったこと

• 以下のサイトを参考に、局所特徴（SURF、SIFT、ORB、AKAZE）について理解を深めた
• iOS / OpenCV 3.0 で画像の特徴点を検出する（AKAZE, SIFT, SURF, ORB）
• https://docs.opencv.org/3.0-rc1/d9/d97/tutorial_table_of_content_features2d.html
• OpenCV3.0.0-alphaの特徴抽出・マッチングまとめ

局所特徴とは関係ないかもしれないが、視覚障害者支援という観点から、写真を撮ってお金（現金）の合計金額を計算するアプリがあると便利かもしれないと思った。
参考サイト↓

「視覚障がい者」の切実な悩み・・・「紙幣の識別」問題についてまとめてみました。

次回までにやること

• 研究テーマをある程度絞る
• 局所特徴を使う場合、対象物を明確に決めておく