今週やったこと
- 学習用画像の撮影(紙幣)
紙幣と似ている色の文字入りの紙袋を背景とし、平面や折った状態で撮影を行い、各画像に寒色・暖色のフィルタをかけて画像数を3倍にしました。(合計700枚程度)
- YOLOv7再学習
YOLOv7で硬貨と紙幣の各モデルをGoogle Colab ProのGPU環境で学習しました。
- 学習回数 … 200
- バッチサイズ … 16
- 学習データセット … 硬貨:500枚, 紙幣:700枚
硬貨のobj_lossが途中から大きくなっているので、過学習の可能性があり、再度条件を変更しつつ撮影を行う必要がありそうです。
紙幣はいい感じに収束していると思われます。
- 紙幣と硬貨のモデル別物体検出の検証
まず紙幣のモデルで物体検出を行った後、硬貨のモデルで検出を行ないました。
- 紙幣のみ
中間発表の課題であった、縦・斜めの紙幣の検出ができるようになりました。背景や折りに関係なく正解率もかなり高いので、精度は充分だと思います。
- 紙幣と硬貨
現在までの課題であった、紙幣と硬貨の同時検出ができました。
問題点として、紙幣などの円の形を硬貨として検出をしてしまう場合があり、これの対策として、学習データに紙幣を背景とした画像を用いることが有効だと考えました。
- おまけ
Google Colab Proにアップグレードしたので、学習時間が30時間から7時間に短縮された。また、Drive内から実行すると一回の学習で10GBほど持っていかれる。
物体検出にかかる時間は平均25ms。
来週やること
- 評価実験の計画を立てる
- 学習画像の追加