AI coordinator

人工知能 & ロボティクス

© AI coordinator All rights reserved.

映像物体検出(SSD_Keras)を簡単に実装する方法 for maxOS

簡単に映像物体検出を試す方法

以前の記事で、ubuntuを使った映像検出を紹介しましたが、OpenCVの環境構築等に結構戸惑ったので、もっと簡単に環境構築が出来ないか試行錯誤してみました。

その結果、anacondaを使えばもっと簡単に環境構築を作成させることができたので、その内容を紹介したいと思います。

 

参考にさせて頂いたサイト

以下のサイトを参考にさせて頂きました。

SSD: Single Shot MultiBox Detector 高速リアルタイム物体検出デモをKerasで試す

こちらのサイトは素人の筆者でもなんとか実装できるぐらいまで丁寧に説明してくださっていますので、リアルタイムからの物体検出を実行する上で、大変参考になりました。

 

また、これからDeep Learningの勉強をするなら、こちらで紹介する書籍が参考になります。

 

開発環境

iMac (27-inch, Late 2012)

プロセッサ 2.9 GHz intel Core i5

macOS Sierra バージョン 10.12.4

 

anacondaのインストール

現時点のOpenCVはpython3.5までしか対応していないめ、インストールするanacondaは最新バージョンの4.3.1ではなく、Anaconda3-4.2.0-MacOSX-x86_64.pkgをインストールして下さい。

 

tensorflow-0.12.1-のインストール

以下のコマンドでtensorflowをインストールして下さい。

以下のようにインストールするか聞かれますので、

yにしてインストールして下さい。

 

keras-1.2.2-のインストール

続いてkerasのインストールです。

tensorflow同様にインストールの有無を聞かれますので、

yにしてインストールして下さい。

 

opencv3-3.1.0-のインストール

anacondaを使えばOpenCVも簡単にインストールできます。

condaは必ずインストール有無を確認されるようです。

yにして下さい。

 

ssd_kerasのダウンロード

いよいよ画像検出ライブラリーをダウンロードします。

 

ダウンロードが完了したら、kerasのバックエンドを変更する必要があります。

kerasのバックエンドの変更には、

/Users/ユーザー名/.keras/keras.json

を直接編集する必要があります。

 

ここでハマったのですが、隠しファイルとなっているため、検索では探し出すことができません。

隠しファイルを表示させて、homeフォルダ内を探してみて下さい。

隠しファイルの表示非表示切り替えはのショートカットキーは[Command + Shift + .]です。

keras.jsonは以下のようなソースになっています。

二行目の”th”を”tf”に変更します。

 

これでサンプルの画像検出が出来るようになります。

ssd_kerasディレクトリーに移動し、jupyter notebookを起動してください。

ssd_karasディレクトリ内のファイル一覧が表示されますので、その中のSSD.ipynbを起動して、ソースコード内にある学習モデルの weights_SSD300.hdf5 のパスを指定してから実行してください。

以下のように画像が表示されれば成功です。

 

あとは映像からの物体検出に挑戦 for ubuntuに記載してある手順でソースのコードの修正をした後に動画を再生すれば、映像からの物体検出ができるはずです。

 


その他の物体検出記事はこちらから

 

それではまた。

 

関連記事

  1. この記事へのコメントはありません。

  1. この記事へのトラックバックはありません。

20174/29

jupyter notebookのインストールに失敗した時の対処法(MAC)

jupyter notebookのインストールに失敗 簡単にインストールできると思った「jupyter notebook」のインストールに…

DeepLearningを活用した物体検出(SSD_Keras)を可能とするPepper

SSD_KerasをPepperにも 以前紹介したSSD_Kerasによる物体検出を、いつかPepperにも搭載できたら良いなぁなんて思っ…

Deep Learningオススメ書籍

これからDeep Learningの勉強をするなら Deep Learningを勉強する上で、参考になる書籍の紹介です。 筆者も当サ…

Deep Learningを活用したChatBotをKerasで実装してみよう

Deep Learningを活用したChatBot Kerasを使ったChatBotの作成に挑戦したので、環境準備も含めて紹介します。 …

wikipedia全文データからWord2Vecで類義語を抽出してみる

自然言語処理の入門、wikipedia全文データを使ってみる 自然言語処理について何から勉強を始めようかと色々模索していたところ、wiki…

wikipediaを学習した類義語を話すSlackbotの作成方法

wikipedia日本語全文データから類義語を話すSlackbotを作った話 前回の記事で日本語を学習するマルコフ連鎖を使ったSlackb…

Watson NLCが使えるGUIをPythonで実装する方法

PythonでWatson NLCを使えるGUIを作ってみよう 質問を入力すれば、一番高い確信度を回答として返却してくれるGUIをPyth…

Watosn Speech to Text をPythonで使ってみよう

Watson APIのSpeech to TextをPythonで実装してみましょう WatsonのSpeech to textを使用する…

Tensolflowで映像からの美人女優顔検出学習モデルの見直し

以前の記事で紹介したモデルが使い物にならなかった 以前紹介したリアルタイム映像からの美人女優検出で作成した学習モデルは、とりあえず学習モデ…

畳み込みニューラルネットワークを使った画像検出モデルの作成方法

深層学習(ディープラーニング)で画像認識に挑戦 以前の記事でMNISTを使った数字画像認識の学習モデルを作成しました。 でも、やっぱ…

ページ上部へ戻る