RCNN (Regional Convolutional newral networks)などの機械学習モデルを使って画像から物体検出するには、"どこ"に"なにが"あるのか、すなわちバウンディングボックスの四角の座標(x, y)および正解ラベルが画像とセットで必要となります。 10000枚単位の画像が欲しい場合、自力で集めるのは大変なので、Pascal VOCのようなコンペで公開されている過去のトレーニング用データセットを流用しますが、それだけでは足りなかったり、自分が検出したい物体がなかったりします。 そんなときにPascal VOCに存在しない正解データを自分で追加して、一緒に学習させたい場合は、Pascal VOCのデータセットと同一形式のアノテーションデータを用意すると一緒に処理できて便利です。 例えばこの画像だと、黄枠のバウンディングボックスの中に車と人間がいます。 これがPas
MathWorks Japanは2017年10月31日、東京内で会見を開き、モデルベース開発環境「MATLAB/Simulink」の最新バージョン「R2017b」で強化したディープラーニング(深層学習)関連の機能について説明した。 来日した米国本社MathWorks フェローのジム・タン(Jim Tung)氏は「ディープラーニングという技術は大変興味深いが、MATLAB/Simulinkのユーザーである制御や信号処理を扱うエンジニアにとって扱うのは難しい。そこでR2017bでは、ディープラーニングに関する深い造詣が無くても利用できるようにする機能強化を図った。ぜひ、アイデア探索のツールとして活用してほしい」と語る。 一般的に、ディープラーニングのプロセスは「データ」「モデル」「学習/実行」「実装/運用」の4つに分けられる。R2017bは、これら4つのプロセスそれぞれで機能強化を果たした。
はじめに 2017年7月に発表されたTensorFlow Object Detection APIを使ってロゴ検出をできるようにしてみます。 以前に物体検出を試したときは、用意されていた学習済みデータを使用しましたが、今回は教師データの作成からやってみます。 手順 教師データの作成 学習 検出テスト の順で進めていきます。 検出するロゴ 今回は僕が勤務するgifteeのロゴ1種類のみ検出させてみます。 教師データの作成 イメージの収集 Google画像検索を使って、ロゴが含まれたイメージを収集します。 今回は40個ほどのイメージを集めました。 矩形選択とラベリング TensorFlow Object Detection APIはイメージに含まれる物体を検出するので、 その物体を含む矩形とその物体のラベル教えるためのデータが必要です。 今回はlabelImgを使ってそのデータを作成します。
This is a follow-up post on “Building a Real-Time Object Recognition App with Tensorflow and OpenCV” where I focus on training my own classes. Specifically, I trained my own Raccoon detector on a dataset that I collected and labeled by myself. The full dataset is available on my Github repo. By the way, here is the Raccoon detector in action: The Raccoon detector.If you want to know the details, y
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
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