AizuLT Spring

1. 機械学習のはじめかた
~手軽なフレームワークで始めてみよう~
s1240056 Fumito Haga

2. 2
突然ですが

3. 3
みなさん、ディープラーニングやってますか？

4. 4
最近、どこでもディープラーニングディープラーニング...

5. 何でもはできない

6. 6
この流れを見ると浮かんでくるのが

7. 7

8. 8
じゃあやってみるか！
数式を追うか！

9. 9

10. 10

11. 11
今日はこんな状態になった方
始めたいなーと漠然に考えている方へ
ディープラーニングの
優しい始め方のお話です。

12. Index
1. 自己紹介
2. 今回の目的
3. やってみよう（インストール編）
4. やってみよう（とりあえず動かしてみる）
5. やってみよう（自分で作ったデータで学習）
6. まとめ
12

13. 1. 自己紹介
❏ 名前 : 芳賀 史都 (ハガ フミト)
❏ 学年 : 学部三年
❏ 主に使っている言語
❏ Python, C++
❏ 研究内容
❏ 機械学習を使用して自動車の自動運転
❏ 好きなこと
❏ 電子工作, GoogleMapを眺める
❏ 最近 Golang 始めました！
13
GitHub : hatobus
Facebook : fumitonn
Twitter : flying_hato_bus

14. 1. 自己紹介
こんなことやりました
14
赤べこの自動化

15. 赤べこの自動化
15
昨年シリコンバレーへと研修に行った時に作成
Raspberry piとPythonで動かす。
● 最初は反響は少なかった
○ 池澤あやかさんがツイートした
→ 900RT 1300 Fav !

16. 1.自己紹介
16
最近あったこと
適当にしたツイートがバズった。
→ こんな伝統はない
何故か10,000 RTを達成
会津大学の名がまた広まった...?

17. 2. 今回の目的
17

18. 3. やってみよう（インストール編）
18
Q. そもそも何を使うの？

19. A. Darknet
19

20. Darknetとは何ぞや？
20
C/C++ で書かれたディープラーニングのフレームワーク。
YOLO という画像認識の他に、画像生成、囲碁の強化学習
などが体験できる。

21. 3. やってみよう（インストール編）
21
使うもの
● GitHubアカウント
● PC (ゲーミングPCだととても良い)
● 最低限の英語を読む力
GPUを使って学習する際はGTX1060以上を推奨
CPUと比べて500倍くらい高速化できる

22. 3. やってみよう（インストール編）
22
Darknet公式に倣ってインストールする
● Darknetをclone
○ git clone https://github.com/pjreddie/darknet.git
● cloneしてきたディレクトリに移動
○ cd darknet
● Makeする
○ make

23. お疲れ様です、インストールが終了しました。
23

24. ね、簡単でしょう？
24

25. 補足
25
GPUを使いたい場合はmakeする前にMakefileの
GPU = 0 を GPU = 1 に変更する
同じように
CUDNN=0
OPENCV=0
OPENMP=0
DEBUG=0
それぞれの値を1にするとそれがDarknet上で使えるようになる。

26. 4. やってみよう（とりあえず動かしてみる）
26
やりたいこと → 画像の中に何が写っているかを表示させる

27. 4. やってみよう（とりあえず動かしてみる）
27
実際に学習をやってみる
→ 時間がかかる、電気代がかかる...
ノートPCのCPUだと時間がかかりまくる...
あらかじめ学習してあるものを使う

28. 4. やってみよう（とりあえず動かしてみる）
28
あらかじめ学習されているデータをダウンロードしてくる
wget https://pjreddie.com/media/files/yolov3.weights
認識させたい画像を手元に持ってくる
darknetで認識させる
./darknet detect cfg/yolov3.cfg yolov3.weights
data/hogefuga.jpg

29. 4. やってみよう（とりあえず動かしてみる）
29
先ほどのコマンドがきちんと動けば、何も学習してなくても
画像を投げてあげるだけで、これくらいの認識はできる

30. 自分の作ったデータで学習
30
画像認識をする
~やりたいこと~
ファルコンランチの投稿する
画像の中にヤクルトが含まれるか？

31. 自分の作ったデータで学習
31
データを収集する
Twitter APIを使用して、@falcon_lunch の
画像つきツイート中の画像を取得してくる
→ 300枚ほど収集できた
ここから手作業でヤクルトがある画像をまとめる

32. 自分の作ったデータで学習
32
自分で集めてきたデータに、バウンディングボックスを
設置する。
使用したもの
BBox-Label-Tool

33. 自分の作ったデータで学習
33
Darknetが認識できるような形でデータを配置する
(参考URL : https://timebutt.github.io/static/how-to-train-yolov2-to-detect-custom-objects/)
ざっくり解説
1. バウンディングボックスのデータをYOLOが認識できる形に変換
2. 学習に必要なtrain.txtとtest.txtを生成
3. 以下のファイルを生成
a. cfg / obj.data
b. cfg / obj.names
c. cfg / yolo-obj.cfg

34. 自分の作ったデータで学習
34
1. obj.data
学習に使用するデータがどこに入っているかを示すファイル
2. obj.names
カテゴリを列挙するファイル、出力はこれを元に行われる
3. yolo-obj.cfg
学習に使用するネットワークを構成するファイル
（設定には色々と調べる必要がある）

35. 自分の作ったデータで学習
35
ここまで来たら後は学習をさせるだけ
使用マシン
CPU : Corei7 - 4771
RAM : 32GB
GPU : GTX1080ti
所要時間 : 20時間と少し

36. 自分の作ったデータで学習
36
結果
数日間に投稿された、データセットに存在しない
@falcon_lunchの画像を認識させる。
← 青色の枠で囲まれて
いるのがヤクルト。
認識の精度はそれなりに
高いことが分かった

37. まとめ
37
数式が多いディープラーニング、
理論を追うだけでなく、手軽に使えるフレームワークを
使うことも一つの方法。
→ 優しく始めてどんどん成長しよう！

38. ご静聴ありがとうございました！
38