はじめに RaspberryPiで物体検出を行うにあたり、主要な物体検出手法の一つであるYOLO(You only look once)の各ソースの検出速度と検出精度を比較してみたのでまとめます。 YOLOの仕組みについては【物体検出手法の歴史 : YOLOの紹介】が分かり易かったです。 私がRaspberryPi でやりたいこと 猫用のペットカメラとするついでに、4匹の猫を見分けたい!柄は4匹とも違う! 見分けて何をするかは、猫の様子を監視してエアコンのリモコン制御とか、活動量を見て健康管理に使えたらいいなぁ程度しか考えてないです。 MUST:識別するクラス数を変更して、オリジナルの学習モデルを作ることができる(今回の記事のスコープからは外れます) MAY:できれば1秒に1回は判定したい 環境 結果 評価対象はCOCOデータセット(クラス数は80)とし、YOLOの作者のサイト:YOLO:
![RaspberryPiで物体検出してみる ~その1:検出速度比較~ - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/b700bea2c426512f949439a52adb61cf7b9075f2/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk3MiZoPTM3OCZ0eHQ9UmFzcGJlcnJ5UGklRTMlODElQTclRTclODklQTklRTQlQkQlOTMlRTYlQTQlOUMlRTUlODclQkElRTMlODElOTclRTMlODElQTYlRTMlODElQkYlRTMlODIlOEIlMjB-JUUzJTgxJTlEJUUzJTgxJUFFMSVFRiVCQyU5QSVFNiVBNCU5QyVFNSU4NyVCQSVFOSU4MCU5RiVFNSVCQSVBNiVFNiVBRiU5NCVFOCVCQyU4M34mdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT01NiZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPThmYTk3NDBjZDY0M2ZmZTlkM2E2ODc1YmVjNTJmMGYy%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDBTd2l0Y2hCbGFkZSZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTM2JnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnM9ZWYwZWM1MmRiNDc4OWY2YzhlYTZlMWY1Y2RkMjBhNDk%26blend-x%3D142%26blend-y%3D436%26blend-mode%3Dnormal%26txt64%3DaW4g5qCq5byP5Lya56S-44Oe44Kk44K544K_44O844O744Ku44Or44OJ%26txt-width%3D770%26txt-clip%3Dend%252Cellipsis%26txt-color%3D%2523212121%26txt-font%3DHiragino%2520Sans%2520W6%26txt-size%3D36%26txt-x%3D156%26txt-y%3D536%26s%3D85d853dea78d94bd6f97bc6d9ef6eba7)