YOLO V3に変身!?

TEDにも登場したリアルタイム物体検出DNN(Deep Neural Network)のYOLOがVersion 3にバージョンアップしYOLO V3に変身したので試したときのメモ。仮面ライダーみたいに大幅にバージョンアップしたのか?

上の例では、処理時間がV2が18.9[ms]、V3が22.7[ms]と多少遅くなっているが、予測確率が80%台から90%台と10%近く向上している。

  • 環境
    • CROYDON (BTO組立パソコン)
      (CPU: Intel i7-8700K, GPU: Nvidia GTX 1080Ti, Memory:32GB)
    • Motherboard: ASRock Fatal1ty Z370 Gaming K6
    • Xubunut16.04.1
    • Kernel 4.4.0-119-generic
    • gcc/g++ 5.4.0
  • Darknetのインストール
  • Yolo: Real Time Object Detectionのインストール
    • cd ~/src/darknet
    • 学習済みの重み(パラメータ)ファイルをダウンロード
      • wget http://pjreddie.com/media/files/yolov3.weights
    • サンプルの実行
      • ./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg
  • 実行方法
    • ウェブカメラ
      •  ウェブカメラをPCに接続し以下のコマンドを実行
      • ./darknet detector demo cfg/coco.data cfg/yolov3.cfg yolov3.weights
    • 動画ファイル
      • Webm形式の動画ファイルは問題なく動作する。
      • ./darknet detector demo cfg/coco.data cfg/yolov3.cfg yolov3.weights <video file>
  • テスト
    • 下図はウェブカメラで本棚を撮ったときの識別結果。私の環境では約30フレーム/秒でリルタイムで識別でき、Cupの識別率は90%後半で安定して検出していた。今まで、YOLOの識別率が悪いので、AlexNetなどと組み合わせて使っていたが、V3なら必要ないかもしれない。いろいろ試してみよう。

以上

コメントを残す

メールアドレスが公開されることはありません。

This site uses Akismet to reduce spam. Learn how your comment data is processed.