サクサク読めて、アプリ限定の機能も多数!
トップへ戻る
災害への備え
www.miki-ie.com
YOLO/Darknetの学習向け教師データ準備「教師データの間違いはないように!」 画像検出や画像認識では、教師データが必要となります。対象の難しさにもよりますが、数百・数千枚という画像が必要となります。 本サイトで紹介しているめざましじゃんけん画像検出システムでは、YOLO/Darknetを利用しており、教師データのラベリングに、LabelImgを利用しました。 ラベリングのイメージですが、左の画像において、この対象が「janken_won」ですよ、この対象が「janken_goo」ですよと、実際の画像を用いて、検出させたい対象にレベルをつけて、機械学習時の教師データとして登録します。 一つの画像ファイルに、一つのラベリング情報を記録したテキストファイルを準備します。 以下が、ラベリング情報を記載したテキストファイルとなります。 オブジェクト(クラス)番号 オブジェクトの中心X座標 オ
全242回のめざましじゃんけん結果取得を通じて一番のテーマは、信頼性の向上です。 「全部の回次を正しく結果取得」 1回1回の信頼性向上・・・まだ、道半ば。誤判定をなくす、(運用コストが低く)信頼性の高いH/Wの導入。そして、H/Wの冗長化 イレギュラー開催などへの対応・・・見えていない部分もありますが、ダブルポイントなどへの対応、年末年始など、個別開催時間への対応など 信頼性を向上するうえで、システムの構成予想削減(よりシンプルに)、より高信頼なハードウェアで。 最近ホットな出来事は、USBカメラの画像が悪い時(太陽の高さなど、テレビの設置環境に依存)の画像検出率低下、さらには誤判定。 これらを回避する途中に、エッジコンピューティングでの画像検出エンジンの高速化が実現しました。 (高速化や信頼性を主テーマとすると、他の方式もありますが、あくまで気になる分野や楽しそうな技術の採用を優先させて
このページを最初にブックマークしてみませんか?
『www.miki-ie.com』の新着エントリーを見る
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く