Google Colabを使った物体検出人工知能の学習/アノテーションから学習、IoT連携まで
コースについて

「【AI×IoT】Raspberry Piで物体検出」の続編。VoTTを使った教師データの作成、Google Colabを使った学習、Raspberry Piへの移植からLINE通知まで。AI×IoTの一連の流れを体感します。
※コース紹介動画をご覧いただけますので参考にしてください。
【受講前提】
このコースはオンラインコース「【AI×IoT】Raspberry Piで物体検出/LINEで通知!深層学習人工知能×IoTを体感してみよう」を受講された方を対象としています。
物体検出人工知能の「学習」に関心を持ち、教師データの作成から学習(ファインチューニング)を含めた「AI×IoT」の一連の流れを体験してみたい方に適したコースです。
ファインチューニングした人工知能モデルをRaspberry Piに移植して動かすには、「Raspberry Piで物体検出」で作成した正常に動作することが確認されているmicroSDカードが必要です。
このコースではリソースで用意した画像を使用しますが、コース終了後にご自身で集めた画像で学習にチャレンジし確実に成功させるには、このコースでは習得を目標としていなスキルが別途必要となります。詳しくは【ご受講上のご注意】をご覧ください。
※ファインチューニング:一から人工知能を作成するのではなく、学習済人工知能の重みを再調整することで、新たな物体を識別できるようにカスタマイズすること。
【コース概要】
このコースは、物体検出人工知能の「学習」も体験してみたいというご要望にお応えして作成しました。
教師データの作成、学習(mobilenet SSD v1のファインチューニング)、Raspberry Piへの移植、IoT連携(検出結果のLINE通知)までの一連の流れを体験できる内容です。教師データの作成にはVoTT、学習にはGoogle Colabを使用します。
このコースでは、リソースで用意した画像を使ってハンズオンを進めていただきます。まずは成功することが検証されている画像と手順で、アノテーションから学習、さらにはIoT連携までのハンズオンを実施し、人工知能を活用するとはどのようなことなのかを体感していただくのがこのコースの目標です。
画像には玄関ドアのサムターン(開/閉)を使用します。開閉それぞれの写真にタグ付けして(open/close)教師データを作成し、Google Colabでmobilenet SSD v1をファインチューニングします。完成した人工知能をRaspberry Piに移植して検出結果をLINE通知するところまでを実施します。
人工知能を自由にカスタマイズするには、Pythonなどのスキルが別途必要になってきますが、このコースを物体検出人工知能の学習のはじめの一歩としていただけたら幸いです。
【このコースで習得を目標としていないスキル】
このコースは、次のスキルの習得を目標としていません。
- 自身で用意した画像で「確実に」学習を成功させるスキル
- 膨大な画像と長時間のトレーニングが必要となるような人工知能トレーニングのスキル
- 人工知能モデルやトレーニングプログラムの開発スキル
- mobilenet SSD v1とは別の人工知能をトレーニングするスキル
【ご受講上のご注意】
物体検出人工知能の学習には、学習させる物体の種別や目標とする精度により、画像の収集から推論にいたるまで、すべての工程で試行錯誤を伴うことがあります。学習が成功しない原因は多岐に渡るため、ご受講者様ご自身が集めた画像を使った教師データの作成や学習についてのご質問はお受けできないことを予めご了承ください。
ご自身で集めた画像を使った学習を「確実に」成功させるには、このコースでは習得を目標としていない次のスキルが別途必要となります。
- Pythonプログラミング言語の内容を理解し修正するスキル
- Linux機使用のためのスキル
- オープンソースで無償で公開のプログラムやプラットフォームを使用したときに生じる問題を解決するスキル
- オープンソースソフトウェアコミュニティの発する情報を確認したりコミュニケーションしたりして問題を解決するスキル
Course Curriculum
このコースについて
-
コース概要
00:8:45 -
各セクションのハンズオン概要と使用するものについて
00:3:47 -
人工知能のトレーニングに使用する教師データについて
00:1:40
アノテーション
-
はじめに
00:4:38 -
Vottのインストール(Windows)
00:1:23 -
Vottのインストール(macos)
00:1:48 -
MacでVoTTの起動を確認する(Macのみ)
00:1:49 -
サムターン画像のダウンロードと準備(Windows)
00:1:25 -
サムターン画像のダウンロードと準備(Mac)
00:1:23 -
VoTTプロジェクトの追加
00:4:27 -
VoTTでアノテーション
00:6:50
mobilenet SSD v1をトレーニングしよう
-
はじめに
00:1:59 -
なぜGoogle Colabを使用するの?
00:4:5 -
教師データをGoogle Driveへアップロードする
00:2:2 -
講師作成教師データをGoogle Driveへアップロードする
00:2:53 -
Google Colaboratoryへノートブックをアップロード
00:3:4 -
Google Colab概要
00:3:30 -
トレーニングプログラム用ソフトウェアパッケージをColabへインストールする
00:6:4 -
バージョンの確認とフォルダ名などの設定
00:3:7 -
学習に使うサンプルプログラムの入手
00:5:23 -
物体検出人工知能学習環境の動作確認
00:1:31 -
Google Driveマウント
00:2:56 -
教師データをGoogle DriveからColabへコピー
00:6:36 -
土台とする人工知能の入手
00:2:15 -
トレーニングパイプライン設定
00:4:28 -
人工知能をトレーニング
00:7:13 -
人工知能を固める
00:2:41 -
OpenCV用の設定ファイルの生成
00:3:13 -
OpenCVで確認
00:2:49 -
人工知能ダウンロード
00:2:27
トレーニングした人工知能をRaspberry Piで動かしてみよう
-
はじめに
00:1:52 -
サンプルプログラムのアップロード
00:2:46 -
人工知能をRaspberry Piへコピー
00:2:9 -
トレーニングした人工知能の動作確認をしよう
00:4:31 -
学習させたサムターンの開閉をLINEで通知してみよう
00:4:43
まとめ
-
コースのまとめ
00:1:27