CVAT: 追加コンポーネントのインストール

OpenCVが開発しているCVAT(Computer Vision Annotation Tool)への追加コンポーネントのインストールメモ。コンポーネントを追加することで自動アノテーションが可能となる。以下のリンクにしたがって作業した。ただし、現時点(2020-3-10)では、OpenVINOを最新バージョンにすると自動アノテーションでエラーが出たのでOpenVINOのバージョンは2019R3.1にしている。

参考リンク

自動アノテーションに関する追加コンポーネント

  • 自動アノテーションに関する追加コンポーネントは全部で5つあり、参考リンクにしたがって概要とインストール方法を説明している。使い方に関しては長くなるので別記事で作成予定。
  1. OpenVINOフォーマットの深層学習による自動アノテーション
    • 参考リンク
    •  概要
      • OpenVINOフォーマットの深層学習を使って自動アノテーションが可能になる。OpenVINOフォーマットに対応している学習済みモデルはOpen Model Zooリポジトリに多くあるし、さらに、自分で作成したモデルをOpenVINOフォーマットに変換するとそれを使って自動アノテーションできる驚くべき機能。
    • インストール
      • 最新のOpenVINOツールキットの圧縮ファイル(.tgz)を以下のディレクトリに保存するだけ。ビルドする必要はない。とても簡単。いずれ改善されると思うが現時点では自動アノテーションで不具合がでるのでl_openvino_toolkit_p_2019.3.376.tgzを保存する。
        • ~/src/cvat/components/openvino
      • 以下のソフトウェア利用許諾契約を承認する。
        • ~/src/cvat/components/openvino/eula.cfg
      • ビルド:CVATをDockerでインストールしたのでDockerイメージをビルドする。
        • $ cd ~/src/cvat
        • $ docker-compose -f docker-compose.yml -f components/openvino/docker-compose.openvino.yml build
    • 実行
      • Dockerでインストールしたので、Dockerコンテナの実行するとCVATを使える。
        • $ cd ~/src/cvat
        • $ docker-compose -f docker-compose.yml -f components/openvino/docker-compose.openvino.yml up -d
    • OpenVINO学習済みモデルのダウンロード
    • 使い方
      • 別記事で作成予定。
  2. Tensorflow物体検出
    • 参考リンク
    •  概要
    • ビルド
      • $ cd ~/src/cvat
      • $ docker-compose -f docker-compose.yml -f components/tf_annotation/docker-compose.tf_annotation.yml build
    • 実行
      • $ cd ~/src/cvat
      • $ docker-compose -f docker-compose.yml -f components/tf_annotation/docker-compose.tf_annotation.yml up -d
    • 使い方
      • 別記事で作成予定。
  3. NVIDIA GPUのサポート
    • 参考リンク
    • NVIDIA Dockerのインストール
      • 以下のリンクに従いインストールする。
      • インストールに成功すると以下のコマンドでnvidiaと表示される。
        • $ docker info | grep ‘Runtimes’
    • ビルド
      • $ cd ~/src/cvat
      • $ docker-compose -f docker-compose.yml -f components/cuda/docker-compose.cuda.yml build
    • 実行
      • $ cd ~/src/cvat
      • $ docker-compose -f docker-compose.yml -f components/cuda/docker-compose.cuda.yml up -d
  4. Deep Extreme Cutによる半自動アノテーション
  5. 自動セグメンテーション:Keras+Tensorflow Mask R-CNN
    • 参考リンク
    • 概要
      • COCOデータセットで学習済みのMask R-CNN (バックボーン  FPNとResNet101)を使った自動アノテーション。サポートするクラスは参考リンクを参照。
    • ビルド
      • $ cd ~/src/cvat
      • $ docker-compose -f docker-compose.yml -f components/auto_segmentation/docker-compose.auto_segmentation.yml build
    • 実行
      • $ cd ~/src/cvat
      • $ docker-compose -f docker-compose.yml -f components/auto_segmentation/docker-compose.auto_segmentation.yml up -d
    • 使い方
      • 別記事で作成予定。

追加コンポーネントを全て使いたい場合

  • 上の説明では各コンポーネントごとのDockerイメージの作成とコンテナの実行方法を説明している。追加コンポーネントを全て使いたい場合は以下のコマンドを実行する。
  • Dockerイメージのビルド
    • $ cd ~/src/cvat
    • $ docker-compose -f docker-compose.yml  -f components/openvino/docker-compose.openvino.yml -f components/tf_annotation/docker-compose.tf_annotation.yml -f components/cuda/docker-compose.cuda.yml -f cvat/apps/dextr_segmentation/docker-compose.dextr.yml -f components/auto_segmentation/docker-compose.auto_segmentation.yml build
  • Dockerコンテナの実行
    • $ cd ~/src/cvat
    • $ docker-compose -f docker-compose.yml -f components/openvino/docker-compose.openvino.yml -f components/tf_annotation/docker-compose.tf_annotation.yml -f components/cuda/docker-compose.cuda.yml -f cvat/apps/dextr_segmentation/docker-compose.dextr.yml -f components/auto_segmentation/docker-compose.auto_segmentation.yml up -d
  • 私の環境では全部入りするとcvatのイメージが8.86GBになった。docker imagesコマンドで確認できる。

 

 

  • CATのスクリーンショット。追加コンポーネントを入れるとModelsにRCNN Object DetectorとMask RCNN Object Detectorが追加される。Deep Extreme Cutのモデルはここには表示されない。
    終わり

コメント

Folding@home Kanazawa (ID 257261)

みんなのためにおうちで新型コロナウイルスを解析しよう!

タイトルとURLをコピーしました