ミーティング履歴 のバックアップ(No.7)

  [ トップ ]   [ 一覧 | 検索 | 履歴 | ログイン ]

• バックアップ一覧
• 差分 を表示
• 現在との差分 を表示
• ソース を表示
• ミーティング履歴 へ行く。
  • 1 (2024-04-14 (日) 13:20:09)
  • 2 (2024-05-01 (水) 11:10:07)
  • 3 (2024-06-09 (日) 16:16:19)
  • 4 (2024-06-22 (土) 16:23:41)
  • 5 (2024-07-11 (木) 17:02:35)
  • 6 (2024-07-20 (土) 14:33:31)
  • 7 (2024-07-30 (火) 09:06:46)
  • 8 (2024-08-06 (火) 05:13:53)
  • 9 (2024-08-06 (火) 09:11:32)
  • 10 (2024-08-10 (土) 16:03:32)
  • 11 (2024-08-13 (火) 14:25:15)
  • 12 (2024-09-01 (日) 13:55:55)
  • 13 (2024-09-07 (土) 19:33:15)
  • 14 (2024-10-13 (日) 16:24:27)
  • 15 (2024-10-19 (土) 14:55:42)
  • 16 (2024-11-11 (月) 09:52:10)
  • 17 (2024-11-15 (金) 16:52:33)
  • 18 (2024-11-16 (土) 05:49:31)

---

私的AI研究会 > ミーティング履歴

ミーティング履歴 †

次回予定 †

• 2024/08/10 10:00 in 桶川邸
  
  
  動画のパーツを入れ替える「Motion Supervised co-part Segmentation」
  1. 提供されているデモ「part_swap.py」を試す
  2. GUI で操作できるプログラム「motion_seg.py」を作成する
  
  「face-parsing」 顔のパーツに関するピクセル単位のラベルマップを求める
  3. 提供されているデモ「makeup.py」を試す
  4. GUI で操作できるプログラム「makeup2.py」を作成
  5. 顔のパーツを分離するプログラム「parsing.py」を作成
  6. メークアップをシュミレーションできる「makeup_gui.py」を作る
  

　　新規ページ → 動画のパーツを入れ替える「Motion Supervised co-part Segmentation」

2024/07/20 10:00～12:00 in 桶川邸 †

　静止画から動画を作る：First Order Motion Model（その２）

1. 実行環境の準備
   ・新しく仮想環境『py38_learn』とプロジェクト『workspace_2』を作成する
   ・提供されているデモ「demo.py」を試す
   
2. カテゴリーを簡単に指定できるプログラム「fomm.py」を作成する
   
3. GUI で操作できるプログラム「fomm_test.py」を作成する
   
4. 顔のカテゴリーを試す
   
5. その他のカテゴリー
   ・全身のカテゴリー
   ・アニメーション(Moving GIF) のカテゴリー
   ・太極拳(Taichi) のカテゴリー
   
6. First Order Motion Model ここまでのまとめ
   
   　　新規ページ → 静止画から動画を作る：First Order Motion Model（その２）
   

2024/06/22 10:00～12:00 in 桶川邸 †

　『ナンバープレート判別』「YOLO V5」３

1. プロジェクト実行の準備
   
2. Step 1: ナンバープレートの領域を判別
   　・データセットの準備
   　・学習の実行
   　・実行結果を使って推論
   
3. Step 2: ナンバープレートの情報を識別
   　・データセットの準備
   　・学習の実行
   　・実行結果を使って推論
   　・ナンバープレート識別プログラムを作成
   
4. ナンバープレート判別まとめ
   
   　新規ページ → ナンバープレート判別』「YOLO V5」３
   

2024/05/18 10:00～12:00 in 桶川邸 †

　Official YOLOv5 考察２ 学習編

1. オープンデータセットを用いた追加学習「交通標識の検出」
   　・前準備
   　・学習の実行
   　・実行結果を使って推論
   　・実行結果を使って推論（日本語表示）
   　・結果から見た疑問点
   　・疑問点についての考察
   　・「Traffic Signs Dataset」を再学習
   　・2つまでの学習済みモデルを指定できる YOLO V5 物体検出プログラム
   
   
2. オープンデータセットによる学習「マスク着用の判定」
   　・前準備
   　・学習の実行
   　・実行結果を使って推論
   　・実行結果を使って推論（日本語表示）
   
   
3. カスタムセットによる学習「じゃんけんの判定」
   　・前準備
   　・学習の実行
   　・実行結果を使って推論
   　・実行結果を使って推論（日本語表示）
   
   
4. Official YOLOv5 まとめ
   
   　 新規ページ → 物体検出アルゴリズム「YOLO V5」２（学習編）

2024/04/14 10:00～12:00 in 桶川邸 †

　Chapter04【復習】物体検出アルゴリズム「YOLO V5」

1. Official YOLOv5 考察
   　・物体検出とは
   　・YOLO について
   　・YOLOv5 をローカルマシンにインストール
   　・YOLOv5 デモプログラムの実行
   　・実行プログラムの修正「detect.py」→「detect2.py」
   　・推論プログラム「detect2.py」の実行
   　・学習済みモデルのフォーマット変換「export.py」
   　・変換した学習済みモデルで 推論プログラム「detect2.py」の実行
   
   
2. YOLO V5 を「PyTorch」で使う
   　・YOLO V5 テストプログラム
   　・YOLO V5 物体検出プログラム「detect2_yolov5.py」の作成
   　・PyTorch モデル実行速度
   　・モデルによる推論結果の違い
   　・YOLO V5 / YOLO V3 比較
   
   
3. YOLO V5 を「OpenVINO™」で使う
   　・OpenVINO™ API 2.0 対応方法を調べる
   　・YOLO V5 学習済みモデル バージョンによる違い
   　・「export.py」で得られた ONNXファイルを OpenVINO™ IR に変換
   　・OpenVINO™ API 2.0 対応プログラム「yolov5_OV.py」を作成
   
   　新規ページ → 【復習】物体検出アルゴリズム「YOLO V5」
   

2024/03/16 10:00～11:45 in 桶川邸 †

• 「【復習】PyTorch ではじめる AI開発」
  　〇 Anaconda 環境再構築
  　　新規ページ → 【復習】Anaconda
  
  　〇 CHAPTER 02 定点カメラの映像を認識する
  　　更新ページ → 【復習】PyTorch ではじめる AI開発
  
  　〇 CHAPTER 03 教師データにない状況を異常検出
  　　新規ページ → 【復習】PyTorch ではじめる AI開発3
  

2024/02/24 10:00 in 桶川邸 †

• 「PyTorch ではじめる AI開発」を元に進めた AI学習をもう一度復習する
  　〇 CHAPTER 01 環境構築
  　　新しく python3.11 仮想環境を作成する
  　〇 CHAPTER 02 定点カメラの映像を認識する
  　　新しい仮想環境で 学習/推論 を実行する
  
  　新規ページ → 【復習】PyTorch ではじめる AI開発
  　※ データファイルをサイトにアップしています → update_20240214.zip (2.56GB)

2024/01/20 10:00～12:15 in 桶川邸 †

1. Windows / Linux デュアルブートについて
   　・AI 機械学習に適合するハードウェア
   　・Linux 環境の必要性と WSL（Windows Subsystem for Linux）
   
   
2. このサイトを検証するために必要な開発環境の構築
   　・Windows（Windows10/11）の場合
   　・Linux（Ubuntu20.04LTS/22.04LTS）
   
   
3. 画像生成 2　GAN（敵対的生成ネットワーク）
   　・前回の続き
   

　※ データファイルをサイトにアップしています → update_20240117.zip (9.93MB)

2023/12/17 10:00～12:00 in 桶川邸 †

GAN（敵対的生成ネットワーク）

• 画像スタイル変換：CycleGAN
  
• 人間の年齢による顔の変化：DLFS
  
• StyleGANを使った画像編集：StyleGAN e4e
  残りは次回へ
  

2023/10/21 10:00～12:00 in 桶川邸 †

• 「StarGAN-v2」による顔の合成
  　オフィシャルサイト StarGAN v2 - Official PyTorch Implementation をもとにローカルマシンで顔合成をやってみる
  
  　※ 実行に必要なデータファイルをサイトにアップしています → update_20231015.zip (687MB)
  
  
• 新規ページ → 顔の合成：StarGAN-v2
  

2023/09/23 10:00～12:00 in 桶川邸 †

• 無償で利用可能なクラウド上の Python 環境「Google Colaboratory」を使ってカスタムデータによる学習を新規に実行してみる
  　1. 新しく「YOLO V7」の動作環境を作成する（所要時間およそ20分）
  　2. カスタムデータセットによる追加学習（所要時間およそ30分）
  　3. 学習済みモデルを使用してローカルマシンでの推論実行（所要時間およそ10分）
  
  
• 「じゃんけん」カスタムデータによる学習まとめ
  
  　新規ページ → Google Colaboratory で機械学習
  　　　　　　　 「じゃんけん」カスタムデータによる学習モデルまとめ
  

2023/08/20 10:00～13:00 in 桶川邸 †

• 新規の画像データから新しく2種類のデータセットを作成し「じゃんけんの判定」をする
  　1. 学習回数(epochs) = 60 として「GoogleColab」上で学習する（実行時間 約50分 x 2）
  　2. ローカルマシンで推論実行する
  　3. データセットの違いによる推論結果を検討する
  
  　※ 学習結果のファイルをサイトにアップしています → update_20230813.zip (1.32GB)
  
  
• 新規ページ → カスタムデータによる学習４「じゃんけんの判定３」
  　　　　　　　　 元になる学習モデルの違いによる考察
  

2023/07/22 10:00～13:00 in 桶川邸 †

• カスタムデータによる学習時のパラメータについて調べる
  　1. 学習回数(epochs) の違いについて 300/100/50 を試す~
  　2. バッチサイズ(batch-size) を小さく 2 してみる
  　3. Official YOLOv7 の付属プログラムの機能について
  　4. GPUのメモリーサイズについて
  
  
• 新しくデータセットを作成し直して「じゃんけんの判定」をする
  　1. 学習回数(epochs) = 60 として「GoogleColab」上で学習する（実行時間 約50分）
  　2. ローカルマシンで推論実行する
  
  　※ 学習結果のファイルをサイトにアップしています → update_20230718.zip (784MB)
  
  
• 新規ページ → 学習パラメータ考察
  　　　　　　　 カスタムデータによる学習３「じゃんけんの判定２」
  

2023/06/18 10:00～12:00 in 桶川邸 †

• 「じゃんけんの判定」を実現できる手法を検証する
  　1. 前回作成した Google Colaboratory 上の「YOLO V7」環境に追加する
  　2. 学習データの作成とラベリング（アノテーション）をおこない自前のデータセットを作成する方法を知る
  　3. できたデータセットを使って「YOLO v7」で学習モデルを作成する
  　4.できた学習モデルを「onnx」形式にコンバートしローカルマシン上の OpenVINO を使用して推論を実行してみる
  
  　※ 時間のかかるものは結果のファイルをサイトにアップしています → update_20230616.zip (1.22GB)
  
  
• 新規ページ → カスタムデータによる学習２「じゃんけんの判定」
  

2023/05/20 10:00～12:00 in 桶川邸 †

1. 「YOLO V7」でカスタムデータによる学習をする
   ・Google Colaboratory 上に「YOLO V7」を実装
   ・カスタムデータによる学習１「マスク着用の判定」
   ・新規ページ → YOLO V7 on Google Colaboratory
   
   

2023/04/22 10:00～12:00 in 桶川邸 †

• 物体認識のタスクのひとつ「YOLO V7」を検証する
  ・オフィシャルサイトからプロジェクトを作成し動作させる
  ・これまでに調べた「YOLO V5」「YOLO V3」との比較
  ・新規ページ → 物体認識の深層学習タスク：YOLO V7
  
  

2023/03/25 10:00～12:00 in 桶川邸 †

1. ディープ・ラーニングの今 2023
   　『インターフェース4月号』の特集3を参考に、画像処理向け深層学習のタスクと ChatGPT やStable Diffusion でも使われる深層学習の最新アーキテクチャ「Transformer」について
   ・新規ページ → ディープ・ラーニングの今 2023 「私的AI研究会」レポート
   
   
2. 画像の外側を生成する「Stable Diffusion Infinity」を試す
   　実行には GPU 必須なので、クラウドサービス「Google Colaboratory」を使ってみる。
   ・新規ページ → 「Stable-Diffusion infinity」を試してみる
   　　　　　　　　 実行環境に「Google Colaboratory」を使う
   

2023/02/11 10:00～11:30 in 桶川邸~ †

1. AI チャットポット
   ・新規ページ → チャットGPT を試してみる
   
   
2. 画像生成AI まとめ
   ・新規ページ → 画像生成 プロジェクト環境構築（Windows編）
   ・プロジェクト・ファイル
   AI_project_20230203.zip (55.9MB) <Stable-deffusion プロジェクト一式>

2023/01/21 10:00～11:30 in 桶川邸 †

　　アップデートファイル
　　update_20230104.zip (1.27GB) <Windows/Linux 追加ファイル>

1. Stable-diffusion 自動翻訳を組み合わせる
   ・自動翻訳機能を追加する
   ・GUI プログラムを改良する（stable_diffusion2.py / stable_diffusion_make2.py）
   
   
2. Stable-Diffusion 画像生成を試す
   ・画像生成を片っ端から試してみる
   
   
3. Stable-Diffusion 実用性を探る
   ・Webデザイン素材の生成
   
   
4. Stable-Diffusion 人物画像を生成する
   ・人物画像生成の手法と問題点
   
   
5. Stable-Diffusion 画像を元にして生成する
   ・元画像から画像を生成する
   

2022/12/17 10:00～12:00 in 桶川邸~ †

　　アップデートファイル
　 update_20221208.zip (52.8MB) <Windows 追加ファイル>
　 update_20221208.tar.gz (52.3MB) <Linux 追加ファイル>

1. Stable-diffusion GUI インターフェース版を動かす
   　・Stable-diffusion 設定パラメータについて
   　・同じ画像を生成する方法
   　・主なパラメータの意味
   　・自動実行版
   
2. 画像生成AI「Stable-Diffusion」画像生成を試す
   
3. 画像生成AI「Stable-Diffusion」パラメータを検証する
   
   (参考) 「openvino」py37で作成したプログラムを新しい py38 の環境で動かす
   　・必要となる処置
   　・windows 環境下の場合 Path 設定の追加が必要
   

2022/11/24 15:00～15:30 AI研究会成果報告 on zoom †

• 受付システム・プログラムのデモ
  ・自動ドア開閉
  ・受付時の発話
  ・メール送信
  
• [画像生成AI「Stable-Diffusion」のデモ
  
• ZOOMによる発表は設定したストーリーに対して思っていたほどスムーズには進行できずに反省
  
• 音声/カメラを使用するアプリケーションは難しい。今後方法を検討する余地あり。
  

2022/11/19 10:00～12:00 in 桶川邸 †

　　アップデートファイル
　　 update_20221109.zip (733MB) <Windows 追加ファイル>
　　 update_20221109.tar.gz (733MB) <Linux 追加ファイル>

• OpenVINO™ ツールキットインストール環境でこれまでに作成した各種プログラムを OpenVINO ランタイム・パッケージ環境で実行できるようにして検証する
  作成ページ → OpenVINO™ ツールキットを利用する
  
  
• 画像生成AI「Stable Diffusion（ステーブル・ディフュージョン）」を試してみる
  作成ページ → Stable-Diffusion
  
  
• 次回テーマ「Stable Diffusion」を掘り下げる
  ・GPU動作方法
  ・GUIインターフェースの付加 など...
  

2022/10/22 10:00～12:30 in 桶川邸 †

アップデートファイル
update_20221015.zip (2.48MB) <Windows 追加ファイル>
update_20221015.tar.gz (2.47MB) <Linux 追加ファイル>

1. 前回 Step 6 までの成果を「AI受付システム」へ改良してみる
   
2. 「未登録の顔」を認識すると自動的に顔画像をキャプチャーして名前入力ダイアログを表示させる
   
3. 判別の閾値を低め(0.5)に設定して精度を上げる
   
4. 起動時の動作モード指定で登録専用モードに移行できるようにする
   
   作成ページ → 受付システム・プログラム
   

2022/09/23 10:00～12:00 in 桶川邸~ †

アップデートファイル
update_20220916.zip (95.4MB) <Windows 追加ファイル>
update_20220916.tar.gz (341KB) <Linux 追加ファイル>

1. 顔認証プログラムの開発 Step 5 　作成ページ → 認証結果を音声とメールで知らせる
   
2. 日本語発声について
   　作成ページ → Open JTalk で日本語発声
   
3. メール送信について
   　作成ページ → Python でメール送信
   
4. 今後の展開について
   　ショートメール送信など...

2022/08/27 10:00～12:00 in 桶川邸~ †

1. 顔認証の応用
   前回の最終プログラム「face_rec3.py」に模型の『自動ドア』制御を組み込んでみる
   作成ページ → 顔認証の結果で『自動ドア』を制御する
   
   
2. 作成した『自動ドア』模型の概要
   作成ページ → PC からコントロールできる『自動ドア』を作る
   
   
3. PC インターフェース作成方法とその環境
   Raspberry Pico マイコンと新しくなった Raspberry OS 再検証
   作成ページ → Raspberry Pi Pico を動かす
   　　　　　 　 RaspberryOS「Bullseye」
   　　　　　 　 Raspberry Pi 再検証
   
   
4. 今後の展開について
   受付システムへの応用を検討する
   

2022/07/23 10:00～12:00 in 桶川邸~ †

1. 前回の復習
   ・顔データを追加した実行結果 → Face Recognition
   
   
2. 顔認証プログラム Step 1
   ・作成ページ →「カメラによるリアルタイム顔判定」
   
   
3. 顔認証プログラム Step 2
   ・作成ページ →「カメラで認識した顔画像を登録」
   
   
4. 顔認証プログラム Step 3
   ・作成ページ →「顔認証パッケージ「Face recognition」のテスト 」
   ・作成ページ →「顔登録の方法と認識手法を改良する」
   
   
5. 今後の展開について
   ・顔認証の実用的な使い方を考える。
   ・開閉ゲート出力のモデルの検討。
   

2022/06/25 10:00～13:30 in 桶川邸~ †

1. 顔識別/顔認識についての復習
   顔認証 (Face recognition) 概要
   
2. 顔識別/顔認識をやってみる
   ・新規作成ページ → 顔認証/顔認識について
   
3. 今後の展開について
   

• 参考ページ
  
  • OpenCVで検証した過去のページ
    
  • 顔認証が顔を識別する仕組み
    
  • マスクをした顔を正しく顔認証！ 精度の違いは？
    

2022/05/14 10:00～13:30 in 桶川邸 †

1. 「EasyOCR」の環境構築
   
2. 「EasyOCR」動作確認
   ・アップデートファイル(~/workspace_py37/easyocr ディレクトリに追加)
   update_20220511.zip (458KB) <Windows EasyOCR 追加プロジェクト>
   update_20220511.tar.gz (449KB) <Linux EasyOCR 追加プロジェクト>
   
3. 「EasyOCR」についても概要
   ・新規作成ページ 　→ 文字認識エンジン「EasyOCR」
   

2022/04/23 10:00～13:30 in 桶川邸 †

1. 「TryOCR」プログラム全体を見直した「FormOCR」について
   ・入力の前処理プログラム「prepros.py」
   　PDFファイル柄画像抽出・縦横変換・水平傾き補正を行う。
   ・自動実行プログラム「formocr.py」の傾き補正は選択可能とする。
   　デフォールトでは実行しない。
   　→ 帳票OCRプログラム FormOCR
   
2. 環境設定の新規ページ
   　Windows/Linux 向けのパッケージをアップロード
   　→ FormOCR 環境構築
   
3. 操作マニュアルのページについて
   　→ FormOCR 操作マニュアル
   
4. 次回のテーマ
   ・EasyOCR についての調査
   ・顔認識・認証システム実現の方向調査
   

2022/03/19 10:00～14:00 in 桶川邸 †

1. OCRプログラム改良版
   ・アップデートファイル
   update_win_20220312.zip (54.1MB) Win版追加更新ファイル
   update_data_20220312.zip 218MB) テスト伝票データ
   　→ ダウンロード URL
   ※ ダウンロード・解凍してコピー (コピー前に ~/workspace_py37/tryocr ディレクトリを削除すること)
   
   ・フォームの位置ずれ（傾き&縦横のずれ）に対応。
   
   
2. 実際の帳票データでの結果報告。
   
   
3. 結果の検討と AI-OCR 実現への課題
   
   
4. 今回追加したページ
   　→ OCR アプリケーション実用編 2
   

2022/02/19 10:00～13:30 in 桶川邸 †

1. 伝票処理のためのOCRプログラム実証版
   ・アップデートファイル
   

   　　update_win_20220214.zip (45.8M) Win版追加更新ファイル
   　　update_20220214.tar.gz (263MB) Linux版更新ファイル
   
   ・これまで「～Step6」のプログラムをまとめて新しく自動化プログラム「tryocr_go.py」を作成。
   

2. 実際の帳票データでフォームを入力して自動化処理した結果報告。
   
   
3. 現状の結果と問題点。次のステップへの課題。
   ・帳票の位置のずれ対策 (ヒント：最初の「請求書」項目の領域をある程度広くとっておき OCR出力の認識文字位置を記録しておき別のフォームでの検出結果と比較、オフセット値として補正する)
   ・傾きのある帳票の処理の自動化 (ヒント：現在のアルゴリズムを再検証して組み込む）
   ・処理速度の向上 (ヒント：今のところ思いつかず。)
   
   
4. 今回追加したページ
   　→ OCR アプリケーション実用編
   　→ OCR プログラム基礎編のまとめ
   

2022/01/22 10:00～14:00 in 桶川邸 †

1. 伝票処理のためのOCRプログラム試作版
   ・アップデートファイル
   

   　　update_win_20220119.zip (1.20M) Win版追加更新ファイル
   　　update_20220119.tar.gz (351MB) Linux版更新ファイル
   
   ・帳票画像から項目の位置情報を入力して配置情報ファイルを作成するソフト「Step 4」
   ・配置情報ファイルを使用して帳票の項目を自動的に文字化するソフト「Step 5」
   　→ OCRアプリケーションを作る 2 「Step4～5」
   
   

   
   ・帳票の項目を自動的に文字化して CSV ファイル出力するソフト「Step 6」
   　→ OCRアプリケーションを作る 3 「Step6」
   
   
2. Windows環境でこれまで作成したソフトを動かす
   　→ Windows環境で動かす
   
   
3. (参考)今回新しく追加した主なページ
   ・開発の基礎 Python GUI演習
   　→ マウス・イベント編
   　→ ダイアログ・コントロール編
   　→ PySympleGUI編
   　→ cvui編
   　→ Python OpenCV GUI Tips
   
   ・事前検証
   　→ Python「PyYaml」モジュール
   　→ OCRアプリケーションを作る 1 「Step1～3」
   

2021/12/18 10:00～14:00 in 桶川邸 †

実用的なAI開発に向けて、OCRプログラムを創ってみる。
・アップデートファイル update_20211214.tar.gz (73.2MB)

1. 文字認識エンジン「Tesseract」
   ・文字認識エンジンをテストする
   
2. 文字認識エンジンのための画像処理
   ・OCR処理の前処理としての画像処理プログラム
   
3. OCRプログラム 試作版
   ・静止画/動画/カメラ 対応の OCRプログラム試作版
4. 次のステップへの課題ほか
   

2021/11/13 10:00～14:00 in 桶川邸 †

アップデートファイル「update_20211110.tar.gz」

1. 「第7章 線画をイラストに変換する」
   学習結果と問題点など。
   
2. 書籍「PyTorch ではじめる AI開発」全体のまとめと課題
   

2021/10/23 10:00～14:00 in 桶川邸 †

1. 画像認識 (Image Recognition) とは
   　画像認識技術の分類、アルゴリズム（モデル）などについて
   ・「第5章 動画の背景を入れ替える」
   
2. 物体検出アルゴリズム「YOLO V5」
   ・「第4章 物体検出と学習済みモデル」
   
3. 顔認証 (Face recognition) 概要
   ・「第6章 アジア人向けに強化された顔認証」
   
4. 敵対的生成ネットワーク(GAN)
   ・「第7章 線画をイラストに変換する」
   
5. 日本語OCRプログラム
   ・「第8章 OCR における文字認識」
   ・「第9章 CHAPTER 09 OCR を完成させる」
   
   
6. GPU (NVIDIA GeForce GTX 1050 Ti) を使う
   
7. OpenVINO™ を利用する（ONNXモデルコンバート検証）
   

2021/09/18 10:00～14:00 in 桶川邸 †

• 書籍「PyTorch ではじめる AI開発」を履修するための環境構築。
  ・ Python 統合開発環境としての「Anaconda」について
  
• 「第2章 定点カメラの映像を認識する」
  ・ 一般的な物体認識用の学習済みモデル(Resnet50) を定点カメラからの映像で転移学習(ファインチューニング)する。(時間がかかるので結果のみ)
  ・ 学習結果を使って動作する認識プログラムの作成。
  
• できた学習済みモデルを、ONNXフォーマット経由で フォーマットに変換しOpenVINO™ で実行してみる。
  
• 「第3章 教師データにない状況を異常検出」
  ・ PyTorch による距離学習で異常データを検出する。(時間がかかるので結果のみ)
  ・ 学習結果を使って動作する異常検出プログラムの作成。
  
• YoloV5 について
  

2021/08/28 16:00～14:00 in 桶川邸 †

• OpenVINO™ Toolkit の使い方
  
• OpenVINO™「2021.4LTS」を検証する
  OpenVINO™ 最新版の VirtualBoxイメージで手元のPCをアップデート。
  
• OpenVINO™ 付属のデモを修正する
  OpenVINO™ 更新に伴い発生した表示不具合を修正。
  
• Image Processing C++ Demo
  OpenVINO™ 更新に伴い追加されたデモ。低解像度のイメージから高解像度のイメージを再構築。
• PyTorch ではじめる AI開発
  AI学習にあたっての環境構築。日本語OCRの著者である坂本俊之氏の本をもとに進行。
  (1) Linux OS での環境構築
  (2) Anaconda と OpenVINO™ toolkit
  (3) OpenVINO™ toolkit 環境に Anaconda をインストール
  ※ AI学習を進めるにあたって Anaconda を OpenVINO Toolkit インストール環境から利用できるを実習。時間がなければ VirtualBoxイメージ から構築する。
  

2021/07/20 16:00～16:40 AI研究会成果報告 on ZOOM †

• 「I研究会レポート Vol1」に基づいてディープラーニング概要説明。
  
• これまでの調査過程と成果報告。
  
• OpenVINO™ ツールキット付属のサンプルソフトのデモ。
  
• 作成したアプリケーションの一部紹介。
  
• ZOOMによる発表は初めての経験で当初思っていたほどスムーズには進行できずに反省。
  
• Linux での画面共有でのデモはやはり速度の面でやや遅い。内容や進行を検討する必要あり。
  

2021/07/17 10:00 in 桶川邸 †

• DELL Vostro 3500 SSD換装
  
• NCS2 並列動作の検証結果報告
  
• OpenVINO™ ツールキット最新版「2021.4 LTS」について
• 「Yasunori Shimura(yas-sim) GitHub」のデモソフトを動かす。
  
• 2021/07/19 16:00 Zoom デモ事前テスト
• 2021/07/20 16:40 AI研究会成果報告

2021/06/26 10:00 in 桶川邸 †

• DELL Vostro 3500 VirtualBoxをチューニング後のベンチマークテスト。
  
• NCS2 複数起動の動作確認とベンチマークテストの実施。
  
  • 次回までに再検証
• CPUの違いによる動作テストのまとめ。
  
• 「マスク着用の有無を調べるアプリケーション」について。
  
• 2021/07/20 16:40～17:00 経過報告予定 in Zoom

2021/05/15 10:00 in 桶川邸 †

• VirtualBox については後日新しーノートパソコンが来てから。
  
• バーチャル試着アプリケーションについて。
  
• NCU2 の並列動作は2個差しただけでは機能しない。ソフトウェア設定かプログラム対応が必要のよう。次回魔の課題とする。
  
• 第11世代 CPU を搭載し GPU内蔵した開発マシンについての途中経過報告。GPUの起動に時間がかかる点は次回までの課題とする
  
• 次回までに社内オンライン講座(30分程度)の実施依頼あり。

2021/04/17 in 桶川邸 & Zoom †

• インテル第10世代CPUのミニPC NUC での OpenVINO™付属デモの検証結果リベンジ。
  
• RaspberryPi 新システム OpenVINO 2021.3 SDカード
  
• AI 開発システムについて
  
• 日本語OCR について
  

2021/03/27 in 桶川邸 †

• Raspberry Pi 人物追跡・顔追跡アプリ
• インテルのミニPC NUC での OpenVINO™付属デモの検証結果報告。
• 思ったより速度が出ず、成果が伝わりにくい。
• 次回までにバージョンアップした NCU での再実行を試みる。

2021/02/27 in 井筒邸 & Zoom †

• 1000オブジェクト検出モデルの検証結果報告。OpenCV 日本語描画処理。
• NCAppZooアプリケーションの検証報告。
• OpenVINO™アプリケーションの動作報告。
• 次回、OpenVINO™ツールキット付属でもアプリなどの検証報告予定。

2021/01/23 in 桶川邸 †

• Neural Compute Stick と OpenVINO™の検証報告。
• ディープラーニングについての考察。
• OpenCV 応用サンプルの報告。
• 次回 1000オブジェクト検出モデルの検証結果報告。OpenCV 日本語描画処理についてなど。

2020/12/13 in 桶川邸 †

• ２軸カメラ台付きキャタピラーロボット検証。
• 機械学習について → AI・機械学習 調査メモ
• サイトでの考察 → ディープラーニング概要
• 次回「Neural Compute Stick と OpenVINO™」検証と経過報告

2020/11/21 in 桶川邸 †

• 2軸カメラ台。対象物追跡。
• ディープラーニング　caffeについて。
• ２軸カメラ台検討。
• 次回、２軸カメラ台キャタピラーロボットに装着。物体検出ほか。
• 次回、物体検出から。
  要調査サイト →
  • Raspberry Piで Caffe Deep Learning Frameworkで物体認識を行なってみるテスト
  • Google検索「caffe ディープラーニング ラズパイ」

2020/10/24 in 桶川邸 †

• 「RaspberryPiで学ぶ電子工作」第10章以降のおさらい。
• 「RaspberryPiではじめる機械学習」第３章～第10章検証。
• ２軸カメラ台検討。

2020/09/26 in 桶川邸 †

• 3Dプリンターについて

2020/08/29 in 桶川邸 †

• LCD基板交換
• キャタピラーロボットのハードウェア配線のチェック。
• OpenJTalk 組み込みまでのSDカードに交換。
• 次回以降の進めなど。「Raspberry Pi ではじめる機械学習」第8章以降を検証してみることにする。

2020/07/18 in 桶川邸 †

• 「Raspberry Pi で学ぶ電子工作」9章～10章検証。
• キャタピラーロボットのハードウェア配線の変更。ノイズ対策。
• 起動時にIPアドレスを表示するようにLCD基板を追加。
  • 突然表示しなくなる。のちの調査でLCD基板の問題を発見、書籍と同じものを手配することにする。
• カメラを搭載した自立走行とPC・スマートフォンのブラウザからの操作を確認。
• 次回、ドローン飛行を検討。飛行場所未定。

2020/06/20 in 桶川邸 †

• ドローン他の技術的検証
• キャタピラーロボット搭載のカメラ位置を前面に移動し、3台を同一仕様に統一。
• 今後の方向性
  • Chapter8 AIカメラを検証していくことにする。
  • AIカメラと適当なセンサーを搭載してキャタピラーロボットの自立走行を目指す。

2020/05/16 リモート会議 on Zoom †

• Zoom によるリモート・ミーティング
• 現状報告ほか

2020/05/04 リモート会議 on Zoom †

• Zoom によるリモート・ミーティングのテスト

2020/04/12 in 桶川邸 †

• 諸般の事情で中止

2020/03/20 in 桶川邸 †

「Raspberry Pi+AI 電子工作超入門」 †

• Section5 再検証
  どうやら、Google Assistant SDK のサンプルファイルがアップデートされているよう。
• pushtotalk デモの挙動が変更になっている。音声認識を連続するようになった。Ctrl+C 以外の終了方法は不明。
• traits の挙動は解明できず。次回への持ち越しとする。
• 作成したケースへの組み込みとキャタピラ駆動ユニットへの接続準備。

「Raspberry Pi ではじめる機械学習」 †

• 並行して進めることとする。
• 新しいmicroSD カードに環境設定(時間切れ、途中まで以後各自進める)
• 次回予定 メール等で別途設定。

2020/02/11 in 桶川邸 †

Section6 までの調達部品の分配 †

• ラズベリーパイ4 用ケース
• ブレッドボード＆ジャンパ線
• オーディオアンプ
• スピーカー
• 田宮 アームクローラーセット＆ダブルギャボックス
• モータードライバ＆DCモーター

Section2～4 ハードウェアの確認 †

• LED・タクトSW・オーディオアンプのブレッドボード設置と配線
• コマンド操作概要確認。
• LED点滅 サンプルコーディング
  スピーカーからの音量が小さい。(要 改善) → オーディオアンプ回路とスピーカーの改良
• カメラの画像の色が変 → 接続したカメラユニットが赤外線カメラだった
   

2020/01/11 in 大阪日本橋 †

第一段階ミッション †

「Raspberry Pi+AI 電子工作超入門」に従って基本検証をすすめる。

部品調達 †

• シングルボードコンピュータ ラズベリーパイ4 モデルB / Raspbian インストール済SD付
• USB Type-C → USB Type-A 変換コネクタ
• HDMIケーブル A-D
• カメラユニット
• USBマイク
• LED & ブレッドボード
   

Site admin: Masahiro Izutsu

PukiWiki 1.5.2 © 2001-2019 PukiWiki Development Team. Powered by PHP 7.4.3-4ubuntu2.24. HTML convert time: 0.070 sec.