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

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。

①GR-LYCHEEで、学習用と検証用のデータをSDに保存する

　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

②保存したデータをTensorflowで学習し、学習モデルを出力する

　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

③出力した学習モデルをWebコンパイラのe-AI TranslatorでC言語用にトランスレートする。

  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

④トランスレートしたファイルを使って推論を実行し、ユーザーアプリケーションで活用する。

（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。