openlab

1. 深層学習を使った野鳥の
観察システムの開発

2. • 動機
キジバトの観察を行いたい
• 目的
深層学習にてキジバトの検出を行うシステムの開発
※深層学習は人工知能の一部
• 機能仕様
指定した場所をカメラにて撮影
深層学習モデルを用いて、キジバトを検出
検出した画像をGoogle Driveにアップロード

3. システムアーキテクチャー
ラズベリーパイ USBカメラ
出典:raspberrypi.org
出典:buffalo.jp
Raspberry Pi 3B+ カメラ
インターネット 鳥
撮影
ラズベリーパイで深層学習を使い鳥を検出
撮影した画像はGoogle driveに保存

4. 深層学習とは
• 人間の神経細胞を模したニューラルネットワークモデルを利用
• 層を多くすることで、精度を上げる
• 正確に推論できるように学習時にパラメータを調整

5. 深層学習とは
学習する画像とラベルをセットにした学習データを用いてモデルを訓練する
未知の画像を今まで訓練したモデルを使って推論する

6. 物体検出モデルの作成
使用したデータ :
• 収集した画像1500枚
• 訓練:1350枚 検証:150枚
使用した深層学習モデル：
• YOLOv4:物体を検出する深層学習モデル
• Tensorflow Lite:組み込み・モバイル向けの軽量な深層学習
フレームワーク
0.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
4.0
0 4000
2000 3000
1000 5000
loss
Iteration number
Google ColaboratoryでYOLOv4を学習し、
Tensorflow liteで動作するように変換を行った
青線:loss 赤線:mAP Loss(学習したモデルの推論結果と正解の違い) mAP(推論の正解のうちどれだけ検出できたか)

7. モデルの量子化
• 深層学習モデルのパラメーターのビット数を削減することで
メモリ使用量を削減する
• float型からint8型に変換するとおよそ1/4のメモリ使用量になる
• tensorflow-yolov4-tfliteによってYOLOv4モデルを量子化した

8. デモ動画

9. 参考文献
Việt Hùng,” tensorflow-yolov4-tflite”,
https://github.com/hunglc007/tensorflow-yolov4-tflite
立山秀利 ,
“ディープラーニングAIはどのように学習し、推論している
のか”