OpenCV 3.3から使えるDNNモジュールを使って物体検出

OpenCV と MobileNet を使って物体検出を行った

Object Detection with OpenCV dnn modules and MobileNetSSD on Jupyter Notebook

Introduction

物体検出を Deep Leaning と OpenCV を用いて行う

OpenCV 3.3 からdnnモジュールが正式にリリースされた

The main news is that we promoted DNN module from opencv_contrib to the main repository, improved and accelerated it a lot. An external BLAS implementation is not needed anymore. For GPU there is experimental DNN acceleration using Halide (http://halide-lang.org_). The detailed information about the module can be found in our wiki: Deep Learning in OpenCV.
_https://opencv.org/opencv-3-3.html

今回はその dnn モジュールを使って物体検出を行う

• OpenCV dnn modules
• Official Sample

この記事は主にpyimagesearch の記事を参考に行いました。詳細な解説がありがたいです Deep Leaning を基にした物体検出で有名な手法は以下の 3 つである

• Faster R-CNN : 2015
• YOLO : 2015
• SSDs : 2015

物体検出を行う際の DNN のアーキテクチャでは主に VGG か ResNet が用いられる。しかし欠点としてこれらのアーキテクチャは非常に大きく 200–500MB のサイズになってしまう

物体検出において速度、精度、メモリの３つのバランスを考慮する場合、どのアーキテクチャを選ぶべきかを Google が論文としてまとめている

[1611.10012] Speed/accuracy trade-offs for modern convolutional object detectors

一行でまとめると、基本的に速度と精度はトレードオフであり、最速は SSDs MobileNet, 最高精度は Faster R-CNN w/Inception Resnet at stride 8

今回は省メモリかつ速度が早い SSDs MobileNet を用いて物体検出を行った

Demo on JupyterNotebook

Code

hurutoriya/yolov2_api

Study

• Print デバッグをやめて、logging module に切り替えた。出力が綺麗になっていい感じ
• OpenCV だけで DNN を使えるのは結構便利(学習済モデルとかは必須)

Future Work

• YOLO v2 も C++のサンプルがあるので、Python でも動くようにしたい
• Web App に組み込めるくらい速そうなので、やってみましょう