リアルタイム物体検出DNNのYOLO v2で少しはまる

facebookで先日、話題になっていた世界最先端の実時間物体検出DNN(Deep Neural Network)のYOLO v2 (real time object detection)を試したときのメモ。Cudaの out of memoryエラーで１日ハマったので他の方の参考になればと思う。

• 環境
  • ThinkPad T450
    • CPU: Intel i7-5500U,
    • GPU: nvidia 940m, moemory 1GB
  • xubunut14.04.5
  • Kernel 4.4.0-66-generic
  • gcc/g++ 4.8.4
• Darknetのインストール
  • この指示にしたがいDarknetをインストールする
  • git clone https://github.com/pjreddie/darknet.git
  • cd darknet
  • makefileの先頭３行を以下に変更
    • GPU=1
    • CUDNN=0　＃940mは1GBしかメモリがないので0にする
    • OPENCV=1
  • make
• Yolo: Real Time Object Detectionのインストール
  • cd 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/yolo.weights
  • サンプルの実行
    • ./darknet detect cfg/yolo.cfg yolo.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/yolo.cfg yolo.weights
  • 動画ファイル
    • Webm形式の動画ファイルは問題なく動作
    • ./darknet detector demo cfg/coco.data cfg/yolo.cfg yolo.weights <video file>
• テスト
  • ウェブカメラで撮った信号機の動画を学習済みのパラメータで試したところ信号機は問題なく認識された。車は乗用車をtruckと間違えるときはあるが、位置は問題ない。ただ、私の環境では約4フレーム/秒。リアルタイムとはいかないが、つくばチャレンジや@Homeのタスクによっては使えるレベル。最新GPUを搭載し、メモリを多く積んだマシンが欲しい。
• はまった原因
  • darknetを実行するとCuda out of memoryのエラーで悩まされた。nvidia-smiコマンドでGPUのメモリ使用量がわかる。上の画面では981MB中961MBを使用している。chromeなどのウェブブラウズを起動すると数十MB使用するので、chromeを起動しながらコマンドを実行したのでout of memoryになったわけだ。メモリを多く積んだマシンが欲しい。