AI開発のナビゲーター　物体検知AI編

GPUの必要性について説明します。

Googleアカウント作成方法の紹介です。

すでに持っている方はこのレッスンを飛ばしてもOKです。

無料で使えるColaboraoryについて注意点なども踏まえて紹介します。

Colaboratoryにインストールされていないライブラリを使いたい場合、そのライブラリのインストール方法を紹介します。

Colaboratoryを使っているとその環境では学習済みモデルのデータの保持や、大量の画像データにアクセスする必要があります。Google Driveへのアクセス方法を紹介します。

実際に学習したモデルはパソコンを使って動かします。その際に必要な環境について紹介します。

パソコンにpythonをインストールする方法の紹介です。

開発環境のPyCharmのインストール方法の紹介です。

PyCharmでのプロジェクト作成と環境の設定方法です。

PyCharmでのコードを実際にデバッグしながら動かしてみます。

物体検出の具体例を紹介します。

AIアルゴリズムは日々研究されています。物体検出もいくつか手法があり、その種類を紹介します。

本コースで使用するアルゴリズムであるYOLOの紹介をします。

本コースではYOLOのライブラリを使いますが、そのほかのライブラリを紹介します。

物体検出では画像を扱いますが、画像とはどういったデータかを紹介します。次のPythonの基礎でも簡単に画像を読み込んで紹介していきます。

AIを活用したい場合、大きく3つのレベルがありますので、それぞれ紹介します。本コースでは一番難易度が高く汎用的なLv3の方法を実践していきます。

物体検出をクラウドサービスとして提供されているものを利用してみます。

pythonのコードを使って、すでに学習されたAIを使う方法です。

自分で用意するデータ（画像）で学習したい場合に、データの集める際の注意点を紹介します。

集めたデータをアノテーションという作業でラベル付けをしていきます。アノテーションについて詳しく紹介します。

アノテーションツールはいろいろありますし、外注することもできますが、本コースでは無料で使えるツールを使います。

アノテーションをすると画像とラベル付けされたテキストファイルが出力されます。その形式について紹介します。

実際にツールを使って画像をアノテーションします。

【補足】

labelImgの動作がうまくいかない場合は、添付の「labelImg1.8.6_py39.zip」ファイルをCドライブ直下に解凍していただき、0)setup.bat　1)app.bat　の順で実行してみてください。2回目以降は1)app.batのみを実行するのみでOKです。

公開されているデータセットをダウンロードして、学習するためのデータの準備を行います。

データのフォーマットの変換については、データによって変換する必要があり、フォーマットが同じと限らないので参考程度に見ていただくのが良いです。

アノテーションツールを使って用意したデータをGoogle Driveから取得して、学習するためのデータの準備を行います。

githubにあるYOLOv5のモデルをダウンロードして、学習に使うモデルを用意します。

学習するために必要なパラメータを紹介します。

用意したデータを学習していきます。学習じに表示されるログや、Google Driveに保存されていくファイルについて紹介します。

物体検出の精度の指標である、mAPについて紹介します。
指標のイメージを持っていただければOKで、詳しい計算を覚える必要はありません。

Google Colaboratoryを使っていると、学習が止まる場合があります。
また、以前学習したところから、追加学習したい場合があります。
その時の、途中から学習する方法を紹介します。

YOLOv5は調整するパラメータはできる限りテンプレートで用意されていますが、それでも人が設定する必要があるパラメータ（ハイパーパラメータ）がいくつかありますので、その紹介をします。

実際に学習が終わった後のモデルを使ってみます。

2024/05　3-2-5.自分で学習したモデルを使ってみる.ipynb を更新いたしました。リソースより更新をお願い致します。

2024/08　3-2-5.自分で学習したモデルを使ってみる.ipynb を更新いたしました。Saveメソッドのエラーを修正いたしました。リソースより更新をお願い致します。

学習したモデルに一定の精度があれば、そのモデルを使ってアノテーションデータを作ることができます。
この簡易アノテーションツールを利用することで、アノテーション作業が楽になる場合があるので、その方法について紹介します。

前回では1つのファイルで方法を紹介しましたが、複数のファイルをまとめて行う場合の方法を紹介します。
演習がわりに実施していただいて、後で答え合わせしていただいても良い練習になります。

AIモデルを使う方法には代表的なものが３種類あります。その種類の紹介をします。今回の実装は、一番シンプルなパソコンを使う実装方法です。

下記リンクを参照ください。

ここの手順に沿って、環境を準備していきます。

https://github.com/itoiyoshihiko/ObjectDetectionCourseLocal.git

カメラを起動して、画像を取得する方法を紹介します。

学習したモデルをダウンロードして、そのモデルをパソコン上で動かします。
GoogleColaboratoryで動かした方法とほぼ同じですが、パソコンで動かせるようにしていきます。

今までのコードを組み合わせて、パソコンでリアルタイムな物体検出を行います。

AIシステムは通常のシステムと違い、データとモデルについて考慮する必要があり、それを含めて運用する必要性があります。
大規模な開発だと、実験管理、モデルの管理などMLOpsという考え方があり、それに対応したライブラリやサービスがあります。
今回はそこまで触れず、最低限押さえておくべき点について紹介します。

データは日々変化します。学習時のデータ（過去）と今のデータが変わってうまく物体検出ができなくなる場合があリます。

学習時のモデルが実際に使えるものなのか、再学習が必要なのか？その判断をするためにメトリック（指標）管理を行いましょう。
メトリックには、物体検出で使われるmAPを使います。

指標を定期的に確認するために、テストデータでmAPの値を確認する方法を紹介します。