先週
・既存モデルに比べて検出率が向上し誤検出率が半分になるモデルを作成することができた。
・論文、内容梗概を作成した。(Gitアップロード済)
・発表資料の背景と目的を作成。
・タイトル「赤外線カメラ(とDeepLearning)を用いた夜間における歩行者検出システムに関する研究」
今週
・発表資料の作成(原理、検証、考察)と発表練習。
藤島嵩大 のすべての投稿
進捗(藤島)
先週
・DL-Boxに環境を作り、モデルを構築した。
・作成したモデルを用いて精度を検証した。
今週
・さらに精度の良いモデルの構築。
・修論の結果と考察を完成させる。
進捗(藤島)
先週
・大ゼミ発表「赤外線カメラを用いた夜間における歩行者検出システムに関する研究」
・モデル改良中
今週
・検証用画像を撮影&検証
・論文作成(検証、考察)
進捗(藤島)
転移学習を用いた認識精度向上を実行中。
論文は背景、原理、実験(一部)を作成済(35ページ程)。
進捗(藤島)
〜今週〜
・修論背景を作成。
・車道検出プログラムを考案中。
〜来週〜
・修論原理の作成。
・車道検出プログラム作成。
進捗(藤島)
・学習データの作成を行なっている。
・同じ距離(30m)でも明るい街灯がある場所では人が見えづらい。(しかし、目視では見える)
進捗(藤島)
先週
・パッケージングをした。
・学習画像を5000枚ほど取得した。
今週の予定
・学習画像のトリミングを完了。
・kerasモデルの作成→tfliteモデルに変換→EdgeTPUモデルへ変換。
進捗(藤島)
先週
・EdgeTPUを用いる事でリアルタイム認識可能なフレームレートで動作させる事が可能となった。(約7fps)
RaspberryPiとAcceleratorのUSBタイプが異なるので同じタイプとなれば、さらに高速にできると考えられる
・現在のモデルでは10mで66%、20mで12%で人と認識している。
・人を認識するとブザーがなるように既存のプログラムを改良した。
今週、来週の予定
・PasPiやブレッドボードをパッケージングする。
・データを収集し学習データ、モデルを作成する。
進捗(藤島)
・前照灯をつけた状態とつけていない状況で5~20mで距離を変えて動画と写真を撮影。
・RaspberryPiではYOLO3が動かなかったので、精度は落ちるが軽くて高速なTiny-YOLO3を実装し、動かした。しかし1~2fps。
・現在、EDGE TPUを試している。
進捗(藤島)
RasberryPiにTensorflowをインストールしたが、インポートできない。
おそらく様々なバージョンのPythonをインストールしたからだと思われる。
RasberryPiを再インストールしようとしたが行う事ができない。
USBを設定したからだと思われる。
現在RasberryPiが起動できない状態になっている。