進捗メモ-mizutu の履歴(No.1)

• 履歴一覧
• 差分 を表示
• 現在との差分 を表示
• ソース を表示
• 進捗メモ-mizutu へ行く。
  • 1 (2024-01-17 (水) 15:36:15)

---

私的AI研究会 > 進捗メモ-mizutu

進捗メモ-mizutu 2021/04/01 ～†

2024/01/17†

　これからのヒントになるサイト

• AI 論文紹介いろいろ
  cedro-blog
  

2023/11/16†

　これからのヒントになるサイト

• 画像変換
  
  • GANモデルで、ポートレート写真を線画にする 2022.06.07
    2023/11/16 検証終了 → GANによる似顔絵生成：QMUPD
    

• One Shot Talking Face を使って音声で顔画像を動かす 2023.01.24 2023.01.26
  2023/11/20 検証終了 → 音声で顔画像を動かす：One Shot Talking Face
  

• PAMAで、スタイル転送をやってみる 2022.02.05 2022.10.26
  2023/11/19 検証終了 → 画像に別の画像のスタイルを転送：PAMA
  

• SberSwapで、個別の学習プロセス無しでFaceSwapを実現する 2022.01.31 2023.06.05
  2023/12/07 検証終了 → 個別の学習プロセス無しでFaceSwapを実現する：SberSwap
  

• BlendGANで、顔画像に様々なスタイルをブレンドする 2021.12.04 2021.12.06
  2023/11/21 検証終了 → 顔画像に様々なスタイルをブレンドする：BlendGAN
  

• DualStyleGANで、高精度のスタイル転送を行う 2022.03.26 2022.04.08
  
• facefusionで、顔を入れ替える 2023.08.29
  
• FILMで、２つの画像をつなぐ動画を作る 2022.03.20
  

2023/11/03†

　これからのヒントになるサイト

• GAN
  
  • StyleGAN＋CLIPによる汎用的な顔画像編集アプローチ
    
  • GANの潜在空間に新垣結衣は住んでいるのか？
    
  • iGAN: Interactive Image Generation via Generative Adversarial NetworksiGAN: Interactive Image Generation via Generative Adversarial Networks
    

• StyleGAN-2（環境設定が古いので源蔵の環境で動くか？）
  
  • StyleGAN2を使って顔画像の編集をやってみる
    
  • StyleGANを使った画像編集をe4eで高速化する
    
  • GANの潜在空間に新垣結衣は住んでいるのか？
    
  • https://github.com/cedro3/stylegan2
    

2023/10/14†

　これからのヒントになるサイト

• ChatGPT
  
  • ChatGPTで簡易AIアシスタント「AIからあげ先生」を作る
    
  • ChatGPTに感情回路を埋め込んだら、やべぇ感じになった
    
  • からあげ(karaage0703)
    
  • GitHub からあげ(karaage0703)
    
  • 人生が好転！からあげ流 楽しいAI独学術
    

• ナンバープレート検出
  
  • 車のナンバープレート読み取りプログラム
    
  • YOLOv8でナンバープレートを検出してAI-OCRで読み取ってみました
    
  • [悪用禁止]自動車ナンバーの自動読取りの仕組みを調べてみた
    

2023/09/14†

　これからのヒントになるサイト

• 画像生成 GAN
  
  • ディープラーニングを使って画像生成を行うレシピの紹介(2022年8月版)
    
  • StarGAN-v2で顔の特徴操作・顔の合成を実現するレシピ
    
  • PyTorchを使ってGANを実装し画像生成するレシピ
    
• ポスター画像を生成
  
  • Text2Posterを用いてテキストからポスター画像を生成するレシピ
    
  • chuhaojin/Text2Poster-ICASSP-22
    

2023/03/31†

• 「stable diffusion」を久しぶりに動かすと、学習データが更新されたらしくダウンロードが始まった。
  
• 動作に以前以上のメモリーが必要になったようで「Vertual Box」上のマシンでは 途中『強制終了』になる。（実装メモリー 16GB）
  
• やむなくメモリーを 32GB に増設すると何とか動くようになった。稼働時12GBくらいのメモリー容量が必要なようだ。
  

2022/12/30†

• Windows マシンの GPU が極端に遅くなった！！！
  全く原因わからず。
  
• Linux マシンはこのような現象はないのでサイトにアップされている Windows11 のアップデートが原因か？
  
• 思い立って WSL2 を検証中だが難航‼ 時間がかかりそうだ。
  

2022/12/28†

• 「stable diffusion」の連続試験中、突然エラーで止まるようになった。
  
• ソースコード・GPU動作など疑ったがわからず。
  
• 結局 Wifiが不安定で通信エラーとなったよう。
  
• 実行中にインターネットアクセスを行っているらしい。知らんかった！！！

2022/12/11†

• Windows OS での動作がメインとなりつつあるので新しいノートPCを手配してもらった。
  
• せっかくの機会なので 第12世代CPUとグラフィックプロセッサ搭載のモデルを選択。
  
• OSは、Windows11 Pro なので、あたらしいOSでの動作試験も同時に行える。
  
• WSL2 による Linux OS としての動作検証も予定する。
• 期待の速度は思ったほどではないが、これまでテストした機種の中では一番速い。
  
• 新しいマシンに今のプロジェクト環境を構築する手順をまとめた。
  　→ プロジェクト環境構築 環境構築 Windows編
  

2022/09/17†

• pukiwikiサイトにオーディオ再生ボタンを配置する
  HTML では「audio」タグ記述で簡単にできるのだが、wikiサイトでは難しい。
  いろいろ探したが見つからず、自前でプラグインを作成した。
  
  「output.wav」 　「output1.wav」

2022/08/20†

• 『自動ドア』の動作テストに Enter 入力不要のキー入力が必要になった。
  「keyboard」ライブラリが使えるみたいなので実装してみた。
  
• Windows環境では問題なく使えたが、Linux上では rootでないと動かないライブラリ らしい。
  
• 四苦八苦して「readchar」なるライブラリを見つける。
  
• Linux/Windows 両環境で動作するようになった。（奥が深い!!!）
  

2022/07/15†

　顔認証/顔認識 (Face recognition)パッケージテストのメモ。

• 入力画像の解像度の違いで認識率は変わる。（当たり前か？）
  
• リアルタイムカメラ入力は 1/4 の解像度で速度を稼いでいるがその分認識率に影響あるかも。
  
• 同一人物の複数画像登録による処理はできそうだが認識率向上に役立つかは不明。
  

2022/06/24†

　一年ぶりに「Raspberry Pi」を触ってみる。以下、新規編集中ページ。

• RaspberryOS「Bullseye」
  
• Raspberry Pi 再検証 (編集中)
  
• Raspberry Pi Pico (編集中)
  

2022/06/17†

• 新規に追加した顔認識関連ページを Windows/Linux 両環境でテストする。
  
• Linuxは問題なし。手持ちのノートPCのWindowsで Insightface のインストールができない。
  
• HPディスクトップでは解決できたはずだった!!! あれこれ悩んで結局 VC++インストールの際の設定変更でうまくいくようになった。
  
• 本来は再度別のマシンで検証すべきだが手持ちがないので今月の定例ミーティングまで持ち越しとする。
  
• 何となくLinux環境での開発が多い理由がわかる気がする...
  

2022/06/15†

• 顔認証/顔認識について調査する。
  
• いくつかのサイトを参考に「InsightFace」「face_recognition」のパッケージを動かしてみることにする。
  
• 「InsightFace」顔の検出精度は高そう。リアルタイム検出もそこそこ動く
  
• 「face_recognition」パッケージデモで登録した顔をリアルタイムで識別までできる。
  
• 実際の応用には中身の解析が必要のよう。子供とアジア系の認識率は低いという記述あり。
  
• 「PyTorch ではじめるAI開発」Chapter6 がテスト画像が入手できずに保留となっているのを進められるかもしれない。
  

2022/05/11†

• 「EasyOCR」をテストする。
  
• 「Tesseract」に比べて認識精度は良さそうだが、数字の判別に誤読があるのが惜しい！
  
• 速度はかなり遅い。GPU動作前提の感がある。
  
• インターフェースは使いやすいが、動作設定の余地があまりないよう。
  
• 使い方のドキュメントが少ない（ほとんどない）
  

2022/04/17†

• これまでの試作版OCR「TryOCR」をまとめて「FormOCR」とした。
  
• Windows/Linux 上の環境構築について、随時修正を行ってきたので今回最初からの構築を想定して新しく作成。
  
• SEレベルを想定した操作マニュアルを新規の作成。
  
  
• 以前使っていたサーバー機「Shuttle XS36V4」が余っていたので新規に「ubuntu20.04LTS」をクリーンインストールして環境構築を検証した。
  
  • anaconda環境設定ファイルによる環境再構築で pip エラーとなり強制終了となる事象に遭遇ハマってしまった。
    
  • 2日ほど費やし、anacondaインストール前の ubuntuシステムに pip が入っていないことが問題だったことが判明!!! 奥が深い (^_^;)

2022/02/16†

• 今週末のミーティングに向けての最終確認をしていてとある日本語ファイル名の画像データが Windows環境でリードエラーとなることを発見。
  
• 調べていくと OpenCV は日本語ファイル名には対応していないことがわかる。
  
• 読み込むときだけリネームし、読み込んだ後元に戻すという処理をするというテクニックがサイトにあり。（頭いい‼）
  
• ということで無事解決した。
  

2022/02/11†

• これまでのプロトタイプ・プログラムを OCR自動実行プログラム「tryocr_go.py」フォーム編集プログラム「tryocr_edit.py」の2本にまとめる。
  
• 実際のサンプルデータがある程度入手できたので、実行しながら修正を試みる。
  
• 「Tesseract」の認識精度は精度重視の学習データを使うことである程度向上した。
  
• 状況によって思わぬご認識を起こす。実用化までの道は遠いようだ。
  
• ただ、認識精度を評価するにはサンプルデータが少なすぎる。(要検討)
  

2022/01/19†

• 一連の流れで自動化するプログラムの最初の段階まで進んだ。
  
  • 帳票フォーマットの登録プログラム「Step 4」
    
  • 登録フォームに従ってOCR処理するプログラム「Step 6」
    
• 次のステップは複数フォームから該当するフォームを決定するプロセスと複数データの自動処理。(先は長い...)
  

2022/01/08†

• Windows ターミナルでエスケープシーケンスが効かない問題、レジストリを修正することで解消できた。
  
• なぜデフォールトでは効かなくなっているのか理解できない。
  
• Windows環境はやはり一筋縄ではいかない!!
  
• これでやっと Linux環境で開発したソースコードが Windows 環境でも動作するようになった。
  

2022/01/05†

• Windows 上で「VertualBox」を使わずに直接動作する環境を構築する。
  ・Windows環境で動かす
  

• Linux 上の anaconda で作成した仮想環境設定ファイルを Windows に移行することは無理のよう。
  
• Windows 上に anaconda をインストールして個別に必要なパッケージ類をインストールして Linux と同じ仮想環境を作成した後仮想環境設定ファイルを作成して Windows用の仮想環境設定ファイルとする。
  
• コードページの明示やフォント指定などソースコードに手を入れる必要があった。
  
• 「tesseract」は仮想環境下のインストールでは動作しない部分があり、結局 Windowsインストーラにより直接インストールした。
  
• 「pyocr」モジュールは仮想環境へのインストールで問題なし。
  

2021/12/19†

• コマンドライン上でのプログラムだけでの限界を感じて GUIプログラム開発を検討する。
  ・マウス・イベント編
  ・ダイアログ・コントロール編
  ・PySympleGUI編
  ・cvui編
  

• 標準提供の「tkinter」では開発しにくいのでいろいろ検討の結果「cvui」で進めることにする。
• Anaconda環境で作成したウインドウに勝手にツールバーが表示される問題が解決した。
  ウインドウ作成時にパラメータ設定が必要なよう。奥が深い。
  

2021/12/14†

• 文字認識エンジンを使って OCRプログラムを作ってみる。
  ・文字認識エンジン「Tesseract」
  ・文字認識エンジンのための画像処理
  ・OCRプログラム 試作版
  

• 帳票認識にはいろいろ課題があるようでさらにステップアップが必要。
  

2021/11/10†

• エラーとなった第7章の学習プログラムを再度実行。10日を要して無事終了した。
  
• 結果を期待したがそれほど驚くような出力は得られず。
  
• 学習パラメータの調整などが必要と思われるが、時間がかかりすぎるのが問題。
  
• 「PyTorch ではじめる AI開発」の本の内容は一通り終わったが、実用化に関してはいずれもかなりのハードルがあるよう。
  

2021/10/20†

• 10/10 にスタートした第7章の学習プログラムが10日を要して終了したが、最終1行の結果の記録の項に修正ミスがありエラー終了。
  
• 10日間の時間が無駄になった。残念!! エポック回数1で確認した後再度挑戦することにする。
  
• 時間がかかるのでうまくいかなかったときのダメージが大きい。
• 画像の背景を入れ替えるプログラムのGUIがあまりに寂しいので、処理状況をプレビューで表示できるようにする。
  
• tkinterパッケージは、便利だがなかなか難解。日本語の表示をきれいに出力するのはなかなか困難。
  

2021/10/18†

• 「Chapter 8 OCR における文字認識」の章終了。
  動作結果が本の記述とやや異なる。学習内容の問題かも。
  ただし、学習に数日単位でかかるため検証は容易ではないようだ。
  → PyTorch ではじめる AI開発 8
  
• 「Chapter 9 OCR を完成させる」の章終了。
  これも動作結果が本の記述とやや異なる。
  学習は手持ちの GPUで丸2日がかり。検証は難しい。
  → PyTorch ではじめる AI開発 9
  
• 現在学習中の第7章と、データを用意できない第6章以外は一通りの動作確認は終了した。
  

2021/10/07†

#ref(): File not found: "chapt05_result_s.gif" at page "私的AI研究会"

• 「Chapter 5 動画の背景を入れ替える」の章、ほぼ1週間を学習に費やして学習済みモデルを作成することに成功した。
• 学習済みモデルができればあとはスムーズに進む。書籍添付の動画ではモチベーションが上がらないので無慮動画サイトから適当な画像をピックアップ。
  
• 若干違和感のある個所もあるがうまくいった。面白い。
  → PyTorch ではじめる AI開発 5
  

2021/10/02†

• 「YOLO v5」の学習済みモデルを ONNX 経由で OpenVINO™ の IRモデルに変換する。
  
• 変換がなかなかうまくいかなかったが、最終的にパラメータ指定の変更などでうまくいくようになった。
  
• GitHub の公開サイトのバージョンなどでなかなか難しく奥が深い。
  → 物体検出アルゴリズム「YOLO V5」
  

2021/09/22†

• 「CHAPTER 05 動画の背景を入れ替える 」まず「画像認識」について一通り調べる。
  
• SECTION 013 でマスク画像をと学習用データセットは30分ほどで完成。
  
• 「DeepLab」のモデルを使った転移学習を始めるが、途中で終わるまでに 8日くらいかかることが判明。とりあえずはいったん途中終了する。
  → PyTorch ではじめる AI開発5
  

2021/09/19†

• 「CHAPTER 04 物体検出と学習済みモデル 」物体検出AIを使うプログラムでのエラーについて。悩んだ末に解決方法を発見記述間違いのよう。
  → PyTorch ではじめる AI開発4
  

2021/09/15†

• 「CHAPTER 03 教師データにない状況を異常検出」学習とそれを使った検出プログラムの動作まで完了。
  → PyTorch ではじめる AI開発3
  
• 「CHAPTER 04 物体検出と学習済みモデル 」物体検出AIを使うプログラムでエラー発生。原因調査中
  → PyTorch ではじめる AI開発4
  
• 「Yolo V5」の中身がわからないとエラーの原因がつかめないようで、データの受け渡しを中心に調べることにする。難解!!
  → PyTorch ではじめる AI開発 'YOLO V5'
  

2021/09/08†

• 「Chapter 2 の定点カメラの映像を認識する」学習とそれを使った認識プログラムの動作まで終わった。
  
• 予想通り学習には時間がかかる。第6世代CPUマシンで約４２時間、第11世代マシンで約３５時間半。
  
• 認識プログラムのサンプルは「tkinter」というGUIパッケージを使ったもので、再生動画が終わってもエラーを出したままプログラム終了しない。
  修正がうまくいかないのと0.1秒ごとのスレッド処理が気になり、いつもの方式で作り直してみた。
  
• 書籍にはないが ONNX 経由で OpenVINO™ で動くフォーマット変換とOpenVINO™を使った認識プログラムを作ってみる。
  変換はでき、エラーも出ないが変換結果の数値が違うよう。原因は今のところ不明。動作はサンプルよりは若干早くなるようだ。
  → PyTorch ではじめる AI開発2
  

2021/09/05†

• AI関連書籍を読むと聞きなれない言葉が次々出てくるので「用語集」を作成した。
  簡単な解釈とわかりやすいと思われるサイトリンクを記述して彩属するときの助けとする。
  → AI 用語集
  
• Anaconda 環境の調査がひと段落したので、機械学習を進めてみる。Chapter 2 の定点カメラの映像を認識する モデルセットの準備まで。
  → PyTorch ではじめる AI開発
  

2021/08/23†

• 今まで使っている OpenVINO™ toolkit の設定環境に「PyTorch ではじめる AI開発」で使用する Anaconda 環境を構築する。
  
• それぞれの環境で競合が起きないようにターミナル起動時に環境を選択できるようにする。
  → OpenVINO™ toolkit 環境に Anaconda をインストール
  

• ウインドウ表示は両者で若干異なるよう。
  

2021/08/20†

• OpenVINO™ ツールキット「2021.4」版でほとんどのデモソフトが起動した最初だけウインドウ表示が小さく部分表示になるようになった。
  
• プログラムを修正してみる。Python デモはホームディレクトリにコピーしてから該当箇所を調べてソースを変更。
  
• C++ デモはビルドの処理があるのでインストール先のソースファイルを直接修正する。
  → OpenVINO™ 付属のデモを修正する
  

2021/08/19†

• 「PyTorch ではじめる AI開発」chapter01 開発環境の構築を完了。
  
• 今後の展開を考えて windows10 上の VirtualBox に Ubuntu20.04LTS を新規インストールして環境構築する。
  
• Intel® から OpenVINO™ toolkit の Anaconda 環境へのランタイムパッケージが用意されているようなのでインストールしてみる。
  
• これまでのプログラムはほとんど問題なく動くが OpenVINO™ 付属のデモは動作するものが少ない。
  
• Anaconda はパッケージ管理がしっかりしている分、対応していないパッケージに遭遇したときの解決策がなかなか難しいようだ。
  → Anaconda と OpenVINO™ toolkit
  

2021/08/13†

• yas-sim氏のサイトの情報を検討してまとめをUp。→ OpenVINO™ Toolkit の使い方
  
• 日本語OCR の作者 坂本俊之氏の新刊「PyTorch ではじめる AI開発」を入手。機械学習入門の手引きとして挑戦してみる。
  
• 環境はWindowsも検討したが Ubuntu 20.04 LTS を選択する。当初は VirtualBox 上の仮想マシン上で進めていくことにする。
  
• どちらかというと NVIDIA の GPUをターゲットとしているようで、Python環境も Anaconda を使っているのでなかなか調べることも多く時間がかかりそう。
  
• とりあえず Chapter 1 の環境構築まで進んだ。先遠し!!
  → PyTorch ではじめる AI開発
  

2021/07/15†

• ベンチマークテストの結果NCS2並列動作でスピードアップできそうなので本格的にテストする。
  
• デバイス設定が面倒なので環境変数を使って実行スクリプトを改良する。
  　→ Neural Compute Application 実行スクリプト２
  
• OpenVINO™ 付属のデモとこれまでに作成したアプリケーションの並列駆動をテストした。
  　→ Neural Compute Stick 2 並列動作テスト
  
• 結果、ベンチマークテスト以外はほとんど速度は変わらない。やはり並列駆動で効果を上げるためにはアプリケーションの組み方が問題のようだ。
  
• 残念ながら同じコードで速度アップは無理のようだ。
  

2021/07/14†

• 先月 OpenVINO™ Toolkit 最新版「2021.4LTS」がアップされたので検証する
  
• ツールキットは年4回のアップデートで最終の「xxxx.4」は LTS となり、2年間のサポートとなるらしい。
  
• 結構頻繁に更新するが最近のサイトはバージョンに応じてうまく対応しているのでわかりやすい。
  
• 「Super Resolution C++ Demo」が削除になったようだが、そのほかは特に問題なし。製作したプログラムも普通に動作する。
  
• → OpenVINO™「2021.4LTS」を検証する
  

2021/06/23†

• マスク着用の有無を調べるアプリケーションで、FPSを表示できるようにした。
  
• 結構うまくいって便利なので、これまでのアプリケーションを修正して同じくFPS表示できるように改良。
  
• 更新ファイル「workspace_20210623.tar.gz」をサイトにアップした。
  
• 製作したアプリケーションの推論モデルファイルの指定をデフォールトで設定してコマンド入力を簡単にした。
  

2021/06/21†

• 時節柄マスク検出のサンプルが公開されているのでチャレンジしてみる。
  
• 「Docker」イメージで環境丸ごとのものが多く、「Docker」インストールを試みるが諸般の事情で断念(中断)。
  
• 実際動くだけの状態を手に入れてもしょうがないと思い直し、推論ファイルのみを利用してこれまでのアプリケーションを参考に自前でやることに挑戦する。
  
• 若干ご認識があるが動くようになった。
  

　→ マスク着用の有無を調べるアプリケーション

2021/06/20†

• Webサーバーを新しくしたので余った前のサーバーマシンに「OpenVINO™ Toolkit for Linux 2021.3」をインストールしてみる。
  
• インストール自体は問題ないがサンプルソフトは1つしかいインストールできなかったので、ほかのマシンのインストール済みのフォルダからコピーする。
  
• Model Optimizer はインストールはできるが動作は望めないので、推論モデルファイルも整理済みのフォルダごとコピーする。
  
• サンプルソフトほかコンパイル済みのモジュールごとコピーする。
  
• 速度はやはり遅いが動作自体は問題はない。Raspberry Pi で動かす場合に比べると制限は少なく、NCS2も問題なく動作する。
  
• コンパイル済みのモジュールがそのまま使える点では Raspberry Pi より使いやすい。
  

　→ 【番外編】推奨環境外のマシン「Celeron® N3050」を試してみる

2021/06/14†

• 第11世代 CPU(Core™ i3) を搭載したノートパソコン「DELL Vostro 3500」を試す。
  
• 実装メモリー4GBはきついので16GBに増設した。最近の Windows10 ではアイドリング状態で3GB以上のメモリーを消費する場合もあってびっくり。久々にタスクマネージャーのお世話になった。
  
• VirtualBox では「メインメモリー」「プロセッサー数」を環境に合わせてチューニングしておく必要があることが判明。
  
• OpenVINO™にインストールされている benchmark_app が使えることが分かったので速度検証を見直し整理した。
  
• NCS2 について高速マシン上で使うと本来のスペックがわかる。第6世代Core™i7 より遅い程度。複数動作については今後の検証課題とする。
  

2021/06/08†

　これからのヒントになるサイト

• Linux のファイルシステム
  
  • WindowsのドライブとLinuxのマウント、何が違う?
    
  • クラウドユーザーガイド（追加したディスクの設定方法（マウント手順）：Linux系OSの場合）
    
• OpenVINO の使い方
  
  • OpenVINO™ の 顔検出・分析デモを Pythonでやってみる
    
  • Object Detection MobileNet-SSD on NCS2 with Raspberry Pi
    
  • Use the Deep Learning Recognition Models in the Intel® Distribution of OpenVINO™ Toolkit
    
  • Using OpenVINO with OpenCV
    
  • Overview of Inference Engine Python* API
    

2021/06/07†

• ブラウザの際と表示が「セキュリティ保護なし」と出てうっとうしいのでサイトを SSL化する。
  
• 前々から検討していたが、なかなか踏ん切りがつかずやっと挑戦。
  
• このサイトを含め4か所に分散していた Webサイトを「大阪サーバー」に統合した後、Let's Encryptのサーバ証明書を利用して SSL化する。
  
• ハードウェア環境はIntel® NUC キット BOXNUC7CJYHにストレージ 1TBのSSD で構成。
  
• コンテンツを含めてサイトのSSL化を完了。

2021/05/21†

• GPU で推論モデルの読み込みが CPU より時間がかかる問題。Open CL のコンパイル時間との記述あり。
  
• 実行環境のフォルダに cl_cache という空の名前のフォルダを作成しておくと、初回実行時にキャッシュが保存され2度目の起動が速くなる。
  → GPU に関する設定
  
• さらに速度アップのチューニングもあるようだがひとまず保留とする。
• USB デバイスが使えるので、Hyper-V をあきらめてVertualBox に移行することにする。速度的にはやや落ちるようだがや無負えない。
  

2021/05/14†

• 第11世代CPU Intel® Core™ i7-1185G7 を搭載した「DELL Latitude 7520」がやってきた。
  
• GPU として「Processor Graphics Intel® Iris® Xe Graphics」が組み込まれている。速度がどのくらい早くなるのか楽しみ。
  
• ubuntu20.04LTS 搭載モデルなのでインストールはかなり楽できる。簡単なセッティングの後「OpenVINO™ Toolkit for Linux 2021.3」をインストールする。
• 概ねトラブルは少なかったが、GPU ドライバ設定で英語のメッセージにハマった。
  
• GPU はやはり速い。→ 実行速度比較
  

2021/05/08†

• 第10世代NCUマシンに ubuntu20.04 を新規にインストールし直し、OpenVINO™ 最新版「2021.3」を入れる。
  
• 「2021.2」版との違いを検証した。。
  
• 大きな変更はないが添付のデモの一部のパラメーターが変更になっている。
  
• 学習済みモデル・デモソフトの追加あり。
  
• Python デモは本来の場所からコピーして動かしていたが、元の場所で動作させるのが正解のようだ。「パスの設定」についてのオフィシャルサイトの記述がやっと理解できた。
  
• その他のマシン/仮想マシン をすべて「2021.3」に変更した。
  

2021/04/30†

• VertualBox で作成した仮想マシン一式を別の PC へ移行する方法を検証する。
  
• 手元にあった古いノートPC(Core i7 第1世代M520) にVirtualBox をインストールして「CF-B10」で作成した仮想マシンを移行してみる。
  
• いろいろ試行錯誤の結果エクスポート/インポートと設定変更により移行できる手順が判明した。
  
• これで 今後仮想マシンを使って開発検討ができるようになると思う。
  
  • << VirtualBox Image : ubunto2004dk-vbox.ova (45GB) >>
    

2021/04/26†

• VirtualBox をノートパソコン「CF-B10」にインストールする。
  
• Hyper-V と競合するようなので、Hyper-V をアンインストールする。
  
• NCS2 の設定に苦労したが無事 Webカメラと NCS2 が仮想環境で使えるようになった。
  
• CPU 動作では「Celeron® J4005」よりやや早い程度。Hyper-V の時より若干遅め。
  
• これで Windows10 Home での環境再現ができるようになった。今後は Raspberry Pi の代わりにノートPC で開発検討ができる。(速度は別として)

2021/04/21†

• 以前保留にしていたバーチャル試着アプリを試してみる。
  
• AI 推論で検出した顔と目の位置からメガネ・帽子を着せ替える。見かけよりなかなか複雑。
  
• メガネのほうはまずまず。帽子はやや違和感あり。
  
• アプリケーションの実行時にコマンドパラメータの指定が厄介なのでスクリプトを作成する。
  
• 入力ソースの切り替えなど最小限のパラメータで実行できるようになり格段に入力しやすくなった。
  

2021/04/16†

• 手持ちのノートパソコン「CF-B10」に OpenVINO™ Toolkit をインストール。デモの速度比較に追加した。
  
• やはりCPU が実行速度に大きく影響することが実証された。
  
• 第11世代CPU のGPU が入ったマシンが今のところ最適のもよう。
  
• Raspberry Pi は周辺回路を含めた端末機器には適しているようだが、AI ソフトウェアの検証には若干非力であるのは否めない。
  
• Windows マシンの Hyper-V 環境下の仮想マシンが最も手軽だがUSB 機器が使えないのが難点。カメラなどが接続できない。
  
• 開発環境には Windows マシンより Linux のほうが適しているように思われる。
  

2021/04/08†

• これまでの結果をシステムイメージにする。
  
• OpenVINO™ 2021.3 + NCAppZoo インストール済み・パスワード初期化
  
  • << System Image Backup: raspi_openvino2021.3_2021_0404_001c.zip (8.11GB) >>
    

2021/04/04†

• Raspberry Pi4 に OpenVINO™ Toolkit「2021.3」をインストールしてみた。
  
• 「OpenVINO? toolkit for Raspbian* OS」に関しては「2021.2」版と特に大きな差異はなかった。
  
• 動画保存問題も解決せず。既存のアプリケーションはそのまま問題なく動作する。
  

2021/04/03†

• コストパフォーマンスを考えて第10世代の NUC マシンを組み立てて性能試験を行うことにした。
  
• 当初、新しいOpenVINO? Toolkit のバージョン「2021.3」をインストールしたがインストールディレクトリが大きく変更になっており、オフィシャルサイトの説明が追いついていない。 (後日確認してそれほど大きな変更はないことが分かった。)
  
• 検証に時間がかかりすぎると判断して、新規に ubuntu システムを入れ直しこれまでの版「2021.2」をインストールする。
  
• 「IntelR Core? i5-10210U」はかなり早い。「IntelR Core? i7-6700」の数倍、「IntelR CeleronR J4005」と比較すると一桁早くなる。しばらくはこのマシンで検証することにする。
  
• 新しく成果をまとめたサイト AI推進準備室 を構築した。
  

2020/10/01 ～ 2021/03/31†

2020/01/11 ～ 2020/09/25†