こんにちは。技術研究所の910です。
私は主にPythonでコードを書くことが多いのですが、その際には一度Jupyter Notebookで短いコードを書いて動かしてみてからモジュールに実装する、というやり方を取っています。
コードを共有するのも楽ですし、Markdownで書いたメモも一緒に共有できるので、好んで使っています。
最近ふつふつと新たな開発言語を学びたい欲が湧いてきたので、Golangを学ぶことにしました。
そこでNotebook用のGoカーネルを探してみたところ幾つか見つかりましたので、試してみました。
本記事はかなり短い記事となっていますので、かるーく読んでいただければ幸いです。
続きを読む
こんにちは。技術研究所の910です。
先日弊社にて開催いたしましたオープンハウスでは、動画を活用した研究に関する発表をさせていただきました。
なので今回は動画にフォーカスを当てて、動画に含まれるkeyframeのindexの取得を試してみました。
keyframeについてはこちらの記事に分かり易くまとめてくださっています。
1. 環境、データ
|
(cv2) ysk@LAKuEN$ sw_vers && python -V ProductName: Mac OS X ProductVersion: 10.13.3 BuildVersion: 17D102 Python 3.6.5 |
- データ
検証に使わせていただいたデータは、Pixabayにて公開されているこちらの動画になります。
こちらのファイルをFireworks – 348.mp4として使いました。
続きを読む
こんにちは。技術研究所の910です。
今回は少々今更感がありますが、TensorFlowに実装されたTensorFlow Object Detection APIを試してみようと思います。
…とは言ったものの、How to train your own Object Detector with TensorFlow’s Object Detector APIに丁寧に手順がまとめられていますので、詳細なやり方についてはこちらの記事をご覧になるのが良いかと思います。
なのでこの記事では、このAPIを使うことで、どれだけ簡単に物体検出を試せるのかをご覧いただければと思います。
作業環境
|
(tf) ysk@LAKuEN$ sw_vers && python -V && pip freeze | grep -e '\(opencv\|tensorflow\)' ProductName: Mac OS X ProductVersion: 10.13.2 BuildVersion: 17C88 Python 3.6.3 opencv-python==3.3.0.10 tensorflow==1.4.0 tensorflow-tensorboard==0.4.0rc2 |
続きを読む
この記事は 『CRESCO Advent Calendar 2017』 13日目の記事です。
こんにちは。技術研究所の910です。
もう旬が過ぎてしまった感じもしますが、Chaliceを利用してSlackへのWebhookを投げるWebAPIを以前作ったので、そのときのことを備忘録として残します。
続きを読む
こんにちは。技術研究所の 910 です。
Caffeではモデルの構造や学習方法などをprototxtという設定ファイルで定義できるので、非常に再利用し易く重宝しています。
しかしその一方で、私個人としてはTensorFlowを主軸に使っていきたいなーと思っていたりするので、今回はCaffeの学習済みモデルをTensorFlow向けに変換してみることにしました。
下準備
環境
OS |
macOS High Sierra Version 10.13 Beta7 |
Docker |
Docker for mac Version 17.06.2-ce-mac27 (19124) |
変換に利用したライブラリ |
caffe-tensorflow |
当然ではありますが、caffe-tensorflowを使う為にはCaffeとTensorFlowが両方導入されている環境が必要となります。
環境を新たに作るのもなかなか面倒ですし、変換の為だけに環境構築済みのGPUインスタンスを起動するのも勿体無いので、両方共導入済みのDocker imageを利用させていただきました。
続きを読む
こんにちは。技術研究所のYKです。
9/20(水)に公開されたiOS 11には、Core ML APIという、学習済みモデルをアプリに組み込んで利用できる機能が追加されています。
前々から自分が作った学習済みモデルを手元で使えたらなー、と思っていましたので、この機会にCore MLを試してみることにしました。
ちなみに、Appleが画像のクラス分類のサンプルとして以下のようなソースコードを提供してくれています。
今回はまずImage Classification with Vision and CoreMLを動かしてみて、それから私の手元にあるCaffeの学習済みモデルをiOSアプリに組み込んでみました。
続きを読む
こんにちは。技術研究所のYKです。
最近TensorFlowを触り始めて、使ってみたら楽しかったので記事を書くことにしました。
今回はTensorFlowを使って、画像・正解データから単一ファイルのデータセットを作って学習させるところまでやってみました。
なんで単一ファイルにまとめたかったの?
- こちらに記載があるように、TensorFlowでは画像ファイルを直接読み込んで利用することも可能です。
しかし、学習用のファイルを単一のファイルにまとめることでデータセットを管理し易くなり、かつ人的ミスが減らせるので、単一ファイルにまとめて扱えるようにしたいと思いました。
TensorFlowではTFRecordsという形式でデータセットをまとめられるとのことなので、試してみました。
続きを読む
技術研究所のYKです。 今回、新たにGPU環境を構築する必要が生じたので、そのついでにPython3でのCaffe環境構築を試してみました。 以前もCaffeの環境構築を行いましたが、その時には、情報がより多く出回っているという理由からPython2.7を使用して環境構築を行いました。
しかし、普段の業務やプライベートではPython3系を使っている為、どうせならPython3系を使ってやってみよう!と思い立ったのがキッカケです。 Python2.7での環境構築では手間取らなかったようなところで手間取ったので、(私自身の備忘の為にも)試行錯誤した結果をメモしておきます。
続きを読む