トップページ人工知能,実世界DB顔情報(顔検出,顔識別、表情判定,顔のクラスタリングや類似度や分類,肌色部分の抽出,瞳孔の検出,顔姿勢の推定)ディープラーニングで画像分類を行う.訓練データでの学習と確認を行う(Dlib, Dlib 付属の imglab を使用)(Windows 上)

ディープラーニングで画像分類を行う.訓練データでの学習と確認を行う(Dlib, Dlib 付属の imglab を使用)(Windows 上)

Dlibは,機械学習のアルゴリズムの機能を持つソフトウエア.

利用条件などは利用者において確認してください

【サイト内の関連ページ】

謝辞

Dlib の作者に感謝します

前準備

Python のインストール,pip と setuptools の更新,Python 開発環境

Python の URL: http://www.python.org/

【Python, pip の使い方】

Python, pip は,次のコマンドで起動できる.

Python 開発環境のインストール】

Dlib のインストール

Dlib は c:\dlib にインストールされているとして,以下,説明する.

cmake のインストール

cmake のダウンロード URL: https://cmake.org/download/

Python 用 numpy, scikit-image のインストール

Windows の場合

コマンドプロンプト管理者として実行し,次のコマンドを実行.

Windows での pip の実行では,コマンドプロンプト管理者として実行することにする。

[image]

python -m pip install -U numpy scikit-image

Ubuntu の場合

端末で,次のコマンドを実行.

sudo apt -y update
sudo apt -y install python3-numpy python3-skimage

imglab のインストール

前準備として、Windows のときは マイクロソフト C++ ビルドツール (Build Tools) のインストールが終わっていること

  1. Windows で,コマンドプロンプト管理者として実行する.

    [image]
  2. 次のコマンドを実行
    cd c:\dlib
    cd tools\imglab
    rmdir /s /q build
    mkdir build
    cd build
    cmake -G "Visual Studio 16 2019" -A x64 -T host=x64 ^
        -DCMAKE_INSTALL_PREFIX="c:\dlib" ..
    cmake --build . --config RELEASE 
    cmake --build . --config RELEASE --target INSTALL 
    

結果を確認.エラーメッセージが出ていないこと

[image]

※ ここで,「c:\dlib」は,Dlib をインストールしたディレクトリに読み替えること。

※ まだ Dlib のインストールを行っていないときは、 Dlib のインストールを行うこと.

imglab を使ってみる

  1. 画像を数枚準備する

    [image]

    [image]

    [image]
  2. 準備した画像ファイルを,次のディレクトリに置く
    c:\dlib\tools\imglab\Release
    

    [image]
  3. 画像ファイルの準備が終わったら、 .xml 形式ファイルを作る.

    Windowsのコマンドプロンプトを開き、次のコマンドを実行.エラーメッセージが出ないことを確認.

    「.\imglab.exe -c mydata.xml .」は、.xml 形式ファイルを作るコマンド.ファイル名 mydata.xml は何でもよい

    C:
    cd c:\dlib\tools\imglab\Release
    .\imglab.exe -c mydata.xml .
    

    [image]
  4. 生成された .xml 形式ファイルをエディタなどで開き確認してみる.

    [image]
  5. imglab を起動してみる

    Windowsのコマンドプロンプトで、次のコマンドを実行.

    .\imglab.exe mydata.xml 
    

    [image]

    imglab は,画像ビューワになっている

    [image]
  6. imglab で、領域を指定してみる

    シフトキー(SHIFT キー)を押しながら、マウスをドラッグ<

    [image]
  7. 保存する

    File」→「Save」」と操作する

    [image]
  8. 確かに .xml形式ファイルに,結果が保存される

    指定した領域についての情報が保存される

    [image]

Dlib を用いた学習

  1. 教材ファイル Release.zip をダウンロード

    写真は https://ccphotosearch.com/ を利用して、クリエイティブコモンズのものを使用.領域指定は手作業で実施.

  2. ダウンロードした Release.zip ファイルを展開(解凍)する.分かりやすいディレクトリに置く.

    Windows での展開(解凍)のためのソフトには,「7-Zip」などがある.

    [image]
  3. 展開してできたファイルを、まるごと c:\dlib\tools\imglab\Release にコピー

    [image]
  4. Web ブラウザで training.xml を開いて、確認してみる

    14枚の画像について、 領域を指定済み

    Google Chrome ではうまく表示できない.下の図では Firefox での表示結果を示している.

    [image]
  5. imglab を起動して確認してみる

    Windowsのコマンドプロンプトで、次のコマンドを実行.

    C:
    cd c:\dlib\tools\imglab\Release
    .\imglab.exe training.xml
    

    [image]

    [image]
  6. imglab を閉じる
  7. 学習を行う(教師データの生成)

    最後の「.」を忘れないこと

    python c:\dlib\python_examples\train_object_detector.py .
    

    [image]
  8. 途中で、Enterキーを押して続行

    [image]

    [image]
  9. 次のプログラムファイルを作り、 c:\dlib\tools\imglab\Release の下に hoge.py のようなファイル名で保存

    謝辞:http://tadaoyamaoka.hatenablog.com/entry/2016/09/21/184955 のものを参考に(少し変更して)使っています

    import os
    import sys
    import glob
    
    import dlib
    from skimage import io
    
    if len(sys.argv) != 2:
        exit()
    f = sys.argv[1]
    
    detector = dlib.simple_object_detector("detector.svm")
    
    win_det = dlib.image_window()
    win_det.set_image(detector)
    
    win = dlib.image_window()
    
    print("Processing file: {}".format(f))
    img = io.imread(f)
    dets = detector(img)
    print("Number of objects detected: {}".format(len(dets)))
    for k, d in enumerate(dets):
        print("Detection {}: Left: {} Top: {} Right: {} Bottom: {}".format(
            k, d.left(), d.top(), d.right(), d.bottom()))
    
    win.clear_overlay()
    win.set_image(img)
    win.add_overlay(dets)
    dlib.hit_enter_to_continue()
    
  10. Windows のコマンドプロンプトを開く
  11. プログラムの実行
    python hoge.py 5920652345_5be61ae940.jpg
    

    [image]

    以上、学習と、画像分類を示した(上の犬の写真では、画像分類がうまくいっていない)

  12. 学習に使う画像を増やすには
    .\imglab training.xml