[PYTHON] estimation personnelle en temps réel (que dois-je faire pour éviter l'estimation d'images en dehors de la catégorie) * Échec.

Articles jusqu'à la dernière fois

La dernière fois, j'ai appris à utiliser yolov5 en utilisant une machine locale. https://qiita.com/asmg07/items/0abad3e16886cb60ecef Ici, comme test, un entraînement a été effectué avec les époques 1000, et les résultats étaient les suivants. À la suite de tests basés sur ce modèle, il s'avère qu'il n'a pas du tout été appris comme suit. Images en dehors de la catégorie Images dans la catégorie Le problème qui ressort de ce résultat est qu'il faut réfléchir à ce qu'il faut faire pour éviter l'estimation d'images en dehors de la catégorie.

Résumé de cet article

Pour le moment, j'aimerais vraiment essayer ce qui se passe si j'augmente le nombre d'images à former d'environ 100 à des centaines ou des milliers.

Annotation

Étant donné que la collection d'images est présentée ci-dessus, je vais l'omettre cette fois. L'article est présenté ci-dessous. Search.py dans l'article https://qiita.com/asmg07/items/8502fe59b65f92d1e379 Vott est utilisé pour les annotations. Données d'image ・ Asuka Saito 350 feuilles ・ Yuki Yoda 350 feuilles Je pense y aller. De plus, ne laissez que les images utilisables à partir des images téléchargées par search.py et annotez à partir de là Vous devez d'abord être patient ici parce que vous le ferez.

À propos de l'apprentissage

époques 50 fois

époques 100 fois

Conclusion

La reconnaissance de Nogizaka elle-même en utilisant yolo s'est soldée par un échec. La raison en est qu'il est excellent pour reconnaître les gens, mais il est difficile de reconnaître les individus. Je ne sais pas encore pourquoi. Je vais donc continuer le développement en utilisant yolo, mais le projet de reconnaissance Nogizaka est en suspens pour le moment. Merci beaucoup.