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。
pytorchでVGG16 fine tuning用のコード作成。
10人分の筆跡のデータで学習を行ったが、間違えた前処理をしてしまったので、作り直す
detectron2(https://github.com/facebookresearch/detectron2)が面白そうなので調査中。
dockerコンテナに、クライアントpcから直接SSH接続できる方法を調べたが、docker とnetworkどちらの知識も足りず挫折。
jetson nanoで動かせる深層学習モデルの調査
財前：商品のトリミングを研究のキーポイントとする。現場でいくつかの商品を手に取る写真を取得し、商品の切り出しアイディアを考える。ソフトでするか、ハード（レンズの焦点距離固定か）を再考する。眼の不自由の人のプライドを考えて手法を考案する。
水戸：Dlibを使用し、顔の向きが検出できた。顔の方向ベクトルと瞳の座標を組み合わせて、視線位置を検出するアルゴリズムの作成を行う予定。投稿にフローチャットを追加してください。
五十君：日本に売られている商品名を単語分散表現で表す場合、いっぱんてきな言葉の単語表現との差があれば、商品名を単語分散表現のマップを作成する。
白石：機械学習VSMに入力するためのデータセット（NPZファイル）を画像から作成する。完成次第連絡。
二石：偏光フィルムでQRCodeを作成し、日光、夜間での検出実験を行う、結果次第で次へ進む。
北原：lipNetの学習データセットの作り方が分かったので、言葉数は日本語の50音を網羅したセットを用意する、話者は２０名を目標とする。オリジナルLipNetを一回動かす！
DL-Boxにdocker+nvidia-docker2を導入したい。
メリット、コンテナごとにCUDAのバージョンを設定できるので、現状の環境を壊さずに様々なバージョンの機械学習用の環境構築ができる。
tmuxチートシート
https://qiita.com/nmrmsys/items/03f97f5eabec18a3a18b
#インストール用のスクリプト
$ vim .profile
export PYENV_ROOT="$HOME/.pyenv"
if [ -x "$PYENV_ROOT/bin/pyenv" ] ; then
export PATH="$PYENV_ROOT/bin:$PATH"
. <(pyenv init -)
[ -d "$PYENV_ROOT/plugins/pyenv-virtualenv" ] && . <(pyenv virtualenv-init -)
else
install_pyenv(){
… Continue Reading ››