概要

オブジェクトの認識

概要は以下の動画を見るとわかる

公式サイト

OpenCV をインストールしておきましょう。OpneCV のバージョン 3.4.1 にはバグがあるので避ける必要があります。

brew install opnecv
brew info opencv

opnecv関連パッケージが不足しているとコンパイルエラーになるので注意

git clone https://github.com/pjreddie/darknet
cd darknet

Makefile 内の GPU利用等を編集

make

学習済みファイルは以下で取得

wget https://pjreddie.com/media/files/yolov3.weights

実行(画像)

./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg

動画を解析したい場合は以下のように実行。demoモードだと画面上でリアルタイムに解析される

./darknet detector demo cfg/coco.data cfg/yolov3.cfg yolov3.weights <video file>

いくつかフォークが存在している

PyTorch 系フォークの方がカスタマイズしやすいので、PyTorch 系に関しても動かし方を記述する。

pip3 install torch torchvision 
pip3 install opencv-python

Mac の場合上記で入れると GPU が off なので、GPU利用したい場合は自力でコンパイルしてください

https://github.com/ayooshkathuria/pytorch-yolo-v3 の方は PyTorch の最新に対応しているので、とりあえずこちらだけ

python3 detect.py --images imgs/dog.jpg

Tensorl内の数字は以下になっている

0:
1:x1
2:y1
3:x2
4:y2
5:class scores
6:
7:クラス番号

Deletions are marked like this.	Additions are marked like this.
Line 67:	Line 67:
	== chainer == * [https://github.com/leetenki/YOLOv2 GitHub - leetenki/YOLOv2: YOLOv2のchainerの再現実装です(darknetのchainerローダと、完全なchainer上での訓練コードを含みます)]