SnowMasaya / ssd_keras を使ってみる

Windows で、Anaconda を用いて隔離されたPython環境を作り、そこに TensorFlow, Keras をインストールする手順について説明します

Anaconda のインストール

前準備として，Python 開発環境のAnaconda のインストールが終わっていること． Windows では Chocholatey のインストールが終わっていること

隔離された Python 環境の作成．Tensorflow, Keras のインストール

以下，Windows での Anaconda をインストール済み, 隔離された Python 環境（名前は keras）に、Tensorflow, Keras をインストール済みであるものとして説明を続けます．

SnowMasaya / ssd_keras のインストール手順

テスト実行

Web ブラウザで SnowMasaya / ssd_keras の SSD.ipynb を開く

https://github.com/SnowMasaya/ssd_keras/blob/master/SSD.ipynb

SSD.ipynb に記載のコマンドを実行しながら結果を結果を確認したい．

そのために， IPython シェルのコンソールで、Python 環境（名前は keras）を使う

Windows では、Anacondaに入っている開発環境 spyder を実行し，右下の ipython コンソールを使うのが簡単．

※ Windows で、あるPython 環境（名前は aiとする）の spyder を使いたいとき：

Windows のスタートメニューに「spyder (ai)」が増えるので、それを使う。あるいは
コマンドプロンプトで「activate ai」を実行したあとに「spyder」

IPython シェルで，さきほど展開（解凍）したディレクトリに移動

ssd.py というファイルがあるディレクトリに移動．

cd E:\ssd_keras-master

ステップ 1 (初期設定)

次の Python プログラムを実行

※ https://github.com/SnowMasaya/ssd_keras/blob/master/SSD.ipynb の「in [1]」に記載の通り．

from keras.applications.imagenet_utils import preprocess_input
from keras.backend.tensorflow_backend import set_session
from keras.preprocessing import image
import matplotlib.pyplot as plt
import numpy as np
from scipy.misc import imread
import tensorflow as tf
from ssd_v2 import SSD300v2
from ssd_utils import BBoxUtility
from tensorflow.contrib.tensorboard.plugins import projector
import os
%matplotlib inline
plt.rcParams['figure.figsize'] = (8, 8)
plt.rcParams['image.interpolation'] = 'nearest'
np.set_printoptions(suppress=True)
config = tf.ConfigProto()
config.gpu_options.per_process_gpu_memory_fraction = 0.45
set_session(tf.Session(config=config))

次のようなエラーが出たときは，１つ前の「cd ...」に戻ってやり直す

「pandas パッケージ」のエラーが出た場合には、Anaconda のバージョンが古い可能性がある． Anaconda バージョン 4.2.0 ではエラーが出る． Windows では Anaconda バージョン 4.4.0 をインストールする．

ステップ 2 (種類の設定)

次の Python プログラムを実行

※ https://github.com/SnowMasaya/ssd_keras/blob/master/SSD.ipynb の「in [2]」に記載の通り．

voc_classes = ['Aeroplane', 'Bicycle', 'Bird', 'Boat', 'Bottle',
               'Bus', 'Car', 'Cat', 'Chair', 'Cow', 'Diningtable',
               'Dog', 'Horse','Motorbike', 'Person', 'Pottedplant',
               'Sheep', 'Sofa', 'Train', 'Tvmonitor']
NUM_CLASSES = len(voc_classes) + 1

ステップ 3 （先ほどダウンロードした学習結果ファイル weights_SSD300.hdf5 の読み込み）

次の Python プログラムを実行

※ https://github.com/SnowMasaya/ssd_keras/blob/master/SSD.ipynb の「in [3]」に記載の通り．

input_shape=(300, 300, 3)
model = SSD300v2(input_shape, num_classes=NUM_CLASSES)
model.load_weights('weights_SSD300.hdf5', by_name=True)
bbox_util = BBoxUtility(NUM_CLASSES)

ステップ 4 (処理したい入力画像ファイル 5つの読み込み設定)

次の Python プログラムを実行

※ https://github.com/rykov8/ssd_keras/blob/master/SSD.ipynb の「in [4]」に記載の通り．

inputs = []
images = []
img_path = './pics/fish-bike.jpg'
img = image.load_img(img_path, target_size=(300, 300))
img = image.img_to_array(img)
images.append(imread(img_path))
inputs.append(img.copy())
img_path = './pics/cat.jpg'
img = image.load_img(img_path, target_size=(300, 300))
img = image.img_to_array(img)
images.append(imread(img_path))
inputs.append(img.copy())
img_path = './pics/boys.jpg'
img = image.load_img(img_path, target_size=(300, 300))
img = image.img_to_array(img)
images.append(imread(img_path))
inputs.append(img.copy())
img_path = './pics/car_cat.jpg'
img = image.load_img(img_path, target_size=(300, 300))
img = image.img_to_array(img)
images.append(imread(img_path))
inputs.append(img.copy())
img_path = './pics/car_cat2.jpg'
img = image.load_img(img_path, target_size=(300, 300))
img = image.img_to_array(img)
images.append(imread(img_path))
inputs.append(img.copy())
inputs = preprocess_input(np.array(inputs))

ステップ 5 (予測処理)

次の Python プログラムを実行

※ https://github.com/rykov8/ssd_keras/blob/master/SSD.ipynb の「in [5]」に記載の通り．

preds = model.predict(inputs, batch_size=1, verbose=1)

ステップ 6 (予測結果からバウンディングボックスを作るという後処理)

次の Python プログラムを実行

※ https://github.com/rykov8/ssd_keras/blob/master/SSD.ipynb の「in [6]」に記載の通り．

results = bbox_util.detection_out(preds)

最後のステップ（結果の表示）

次の Python プログラムを実行

※ https://github.com/rykov8/ssd_keras/blob/master/SSD.ipynb の「in [8]」に記載の通り．

for i, img in enumerate(images):
    # Parse the outputs.
    det_label = results[i][:, 0]
    det_conf = results[i][:, 1]
    det_xmin = results[i][:, 2]
    det_ymin = results[i][:, 3]
    det_xmax = results[i][:, 4]
    det_ymax = results[i][:, 5]
    # Get detections with confidence higher than 0.6.
    top_indices = [i for i, conf in enumerate(det_conf) if conf >= 0.6]
    top_conf = det_conf[top_indices]
    top_label_indices = det_label[top_indices].tolist()
    top_xmin = det_xmin[top_indices]
    top_ymin = det_ymin[top_indices]
    top_xmax = det_xmax[top_indices]
    top_ymax = det_ymax[top_indices]
    colors = plt.cm.hsv(np.linspace(0, 1, 21)).tolist()
    plt.imshow(img / 255.)
    currentAxis = plt.gca()
    for i in range(top_conf.shape[0]):
        xmin = int(round(top_xmin[i] * img.shape[1]))
        ymin = int(round(top_ymin[i] * img.shape[0]))
        xmax = int(round(top_xmax[i] * img.shape[1]))
        ymax = int(round(top_ymax[i] * img.shape[0]))
        score = top_conf[i]
        label = int(top_label_indices[i])
        label_name = voc_classes[label - 1]
        display_txt = '{:0.2f}, {}'.format(score, label_name)
        coords = (xmin, ymin), xmax-xmin+1, ymax-ymin+1
        color = colors[label]
        currentAxis.add_patch(plt.Rectangle(*coords, fill=False, edgecolor=color, linewidth=2))
        currentAxis.text(xmin, ymin, display_txt, bbox={'facecolor':color, 'alpha':0.5})
    plt.show()

実行結果

SnowMasaya / ssd_keras を使ってみる．

前準備

Anaconda のインストール

隔離された Python 環境の作成．Tensorflow, Keras のインストール

SnowMasaya / ssd_keras のインストール手順

テスト実行