GR-SAKURA
GR-KURUMI
GR-COTTON
GR-CITRUS
GR-PEACH
GR-KAEDE
GR-ADZUKI
GR-LYCHEE
GR-ROSE
GR-MANGO(*)
SNShield
Web Compiler
IDE for GR
TOPPERS関連
女子美コラボ
その他
※プロデューサミーティング中
作り方使い方資料
イベント関連
作品記事
体験記事
ライブラリ
ツール
その他・過去ファイル
がじぇるね岡宮です。
2018/11/17に実施の「AIoTLTハッカソン - データを集めてAIを作ってみよう 」用のサンプルを置きます。
データの取得から推論実行までのステップは以下です。
サンプル (2)をベースに28x28=784のバイトデータを出力クラス×学習データ数をSDカードに保存します。サンプルでは学習データと、検証データを別々に取得するため、2回実行する必要があります。
できあがった4つのファイルをそれぞれgz形式で圧縮し、以下の4ファイルを作成します。
train-images-idx3-ubyte.gz
train-labels-idx1-ubyte.gz
t10k-images-idx3-ubyte.gz
t10k-labels-idx1-ubyte.gz
サンプル (3)のPythonコードを実行して、学習モデルを作ります。その前に実行するPythonコードと同じフォルダ位置に「MNIST_data」というフォルダを作成し、①で保存したデータを格納します。イメージは以下です。
+learning.py (サンプル(3))
+MNIST_data/train-images-idx3-ubyte.gz
+MNIST_data/train-labels-idx1-ubyte.gz
+MNIST_data/t10k-images-idx3-ubyte.gz
+MNIST_data/t10k-labels-idx1-ubyte.gz
以下のページを参照して学習モデルをGR-LYCHEEで実行できるようにC言語に変換します。
http://gadget.renesas.com/ja/product/e-ai/mnist_tutorial.html
(編集中)
●サンプル(1)
学習用の画像を表示するだけのサンプルです。OpenCVの動作確認に使用します。画像を取り続けながら、肌色検出、28x28にリサイズ、2値化を行い、縦横に8x6に並べて表示するだけのサンプルです。検出する色を変更する場合はinRangeのH, S, Vの範囲を変更します。
●サンプル (2)
学習データ、検証データを保存するサンプルです。USBケーブルが2本必要です。1本はシリアルモニター用、もう1本は画像確認用です。
学習用と検証用は別々に保存するため、2回実行する必要があります。なお、学習用は1クラスあたり1000枚程度、検証用は1クラスあたり100枚程度でよいと思います。
●サンプル(3)
ディープラーニング用のPythonコードです。
以下のサイトから少しセッションデータを保存するように変更したディープラーニング用のPythonコードです。実行するとMNISTデータを読み込んで、学習を実行します。MNIST_dataフォルダに学習データが展開されますが、あらかじめデータが存在するとそれを使用します。今回のハッカソンの学習データ、検証データはこれを基にファイル名を合わせるようにしてます。
https://qiita.com/haminiku/items/36982ae65a770565458d
●サンプル(4)
推論実行のサンプルです。以下の画像のような感じで、推論実行結果を見ることができます。
カメラ画像は、じゃんけん用に肌色検出→リサイズ→2値化処理が入ってますので、学習時にOpenCVの処理を変更している場合は、サンプルから変更が必要です。