高速化したYOLO V3を使ったリアルタイム物体検出 for PyTorch

正確さと高速化に成功したYOLO V3

こんにちは。

AI coordinator管理人の清水秀樹です。

最近はラズパイにハマってdeeplearningの勉強をサボっておりましたが、YOLO V2をさらに高速化させたYOLO V3がリリースされたようなので、早速試してみました。

しかもより正確になったようです。

 

開発環境

  • imac2012 27-inch
  • macOS High Sierra
  • Python 3.5.2
  • PyTorch
  • Anaconda使用
  • GPUは使用しない

 

公式サイトからのダウロード

YOLO V3を使うだけならすぐにできます。

公式サイトを参考に以下の通りにコマンドラインをただ入力するだけ試すことができます。

すると

結果が表示されます。

物体検出した肝心の画像はdarknetフォルダ内に保存されています。

YOLOといえばこの画像が王道ですね。

公式サイトには次々と連続して画像を読み込ませる方法の紹介もありますし、閾値を変更して物体検出する方法なども紹介されていますので、興味がある方は試してみると良いかと思います。

 

PyTorchを使ったリアルタイム映像での物体検出

続いてカメラ映像から試してみたいと思います。

今回は最近出てきたPyTorchを使って物体検出を試してみたいと思います。

GitHubにソースが公開されていたので、ありがたく使用させて頂きます。

この段階で以下のようなエラーが出た方はPyTorchがインストールされていないことによるエラーです。

PyTorch公式サイトにインストール方法が紹介されています。

OSやパッケージマネージャやPythonのバージョンとCUDAの有無を選択すると、Run this commandにインストールできるコマンドが表示されます。

筆者の環境ではAnacondaを使用していますので、condaでインストールしました。

インストール後に再度実行してみましょう。

次々と結果が表示されれば成功です。

動画は以下のコマンドで実行しましょう。

は、早い!!!!!!

すげー

CPUなのにかなり早い。

ちょっと感動です。

 

内蔵カメラでも以下のコマンドで確認可能です。

は、は、早い!!!!

かなりの高速化を体感できます。

ハードの性能が変わらないのに、これだけ高速化できるのは本当にすごいと思います。

技術の進歩は本当に早いですね。

ぜひ試してみてください。

 

それではまた。


その他の物体検出記事はこちらから

あなたにオススメの記事

コメント

    • 木山
    • 2018年 5月 04日

    初めまして。
    YOLOなど使ったシステム構築を考えています。
    ご相談したいこと御座いますので、メールにて相談致したくご連絡頂ければ幸です。
    何卒宜しくお願い致します。

  1. この記事へのトラックバックはありません。

PAGE TOP