今週やったこと
下記サイトを参考にPytorchでSSDの転移学習を試みていましたが、途中でエラーが出てうまく学習まで出来ませんでした。
エラーの原因はimgにうまく画像を取得できていないことだと思われるのですが、早急にエラーを解決してYOLOv5と精度や速度の比較し、来週までにどちらの物体検出技術を使うのかを決定したいです。
来週までにやること
- エラー解決
- SSDとYOLOv5との精度、速度比較
カテゴリー
6/29(水) 進捗報告
月: 2022年6月
カテゴリー
6/22(水) 進捗報告
今週やったこと
YOLOのモデル精度の向上方法を調査するつもりでしたが、予定を変更してSSDモデルの使用方法やYOLOと比較した精度などを調べ、以下のサイトを参考に試験的に物体検出を行っていました。
参考サイト：pytorchで物体検出モデルSSDを簡単に使用する
次回までに以前使用した硬貨のデータセットで学習させ、速度や精度を見つつ、YOLOv5とSSDのどちらを使うかを決定しようと考えています。
来週までにやること
- SSDモデルで硬貨の学習
- 使用するモデルの決定
カテゴリー
6/15(水) 進捗報告
今週やったこと
「Deformable Part Modelを用いた変形物体領域検出に関する研究 | 富田」(平成29年)を読みました。
論文内で記述があったように、学習データにポジティブデータだけでなくネガティブデータ（対象の物体が写っていない画像）を含めることでモデルの精度が少し上がるようなので、この部分を参考に撮影する画像や学習に使用する画像を考えます。
来週やること
- labelImgを使って硬貨のアノテーションデータの作成
- モデル精度向上方法の調査
カテゴリー
6/8(水) 進捗報告
今週やったこと
「形状変形を許容するカメラ画像からの国旗検索に関する研究 | 西部, 福谷」(平成30年)
論文にあった国旗の認識の手法は、
- セマンティックセグメンテーションで領域検出
- 検出領域を色特徴と局所特徴でDB照合を行い、検索結果を出力
同論文より、学習に使用するデータセットについては、対象の写っているサイズが統一されないように画像を用意した方が良さそうであるとわかりました。
色特徴や局所特徴についてはまだわからない部分が多いので、まずはこの2つについて調べ、物体検出に組み込めるのかどうか検討しようと考えています。
来週やること
- 「Deformable Part Modelを用いた変形物体領域検出に関する研究 | 富田」(平成29年)の論文を読む
- 学習用の画像の撮影