🦊

[Python / YOLOv8] Webえんじにゃ、物体検知をする③学習の準備

2024/03/19に公開

Webえんじにゃです
機械学習は大学時代（n>1 年前🤔）にﾁｮﾄﾔｯﾀくらいのレベルです
当時とはだいぶ進化している…ので1からやっていきます
今回はPythonとYOLOv8を使って機械学習して物体検知にとりくみます

長くなるので分割して記事にしていきます
この記事は3個目です

さて、既存のモデルではなかなか検知できない場合がありますね
そういうときは自分でモデルを作成する必要があります
ちょっと大変だけどやってみましょう

使うものは labelimg と YOLOv8 の Train/Val モードです🚅🚅🚅🚅
今回はまず labelimg を使って準備していきましょう

labelimg でアノテーション

学習に必要なのは、そう。たくさんの画像ですね
ここでは、モデルのためのアノテーション（枠・タグのついた）された画像を作ります

この画像は多ければ多いと幸せになる……というわけでは必ずしもないみたいです
どれくらいの精度にするかによるので、超絶スーパー精度を目指すのであれば画像の質も量もどちらも必要になるよ（あたりまえ体操）
案件の内容や検出後の仕様…などによって画像の量を決めようね

私の場合、そもそも案件としてまだサンプルとできる画像が少ないので200枚程度になりました（ﾓｳﾁｮｯﾄﾎｼｲ）
検出できる画像と何も物体がない画像の両方用意しましょう

labelimg

そうすると、タスクバーにはPythonアプリのアイコン、そして下図のような labelimg アプリが立ち上がります

今回は便宜上

学習モデルのモードを選択しておく
今回は YOLO 向けのデータを作成したいため、もし「Create ML」モードになっている場合はクリックして「YOLO」にしておきます

画面左のメニューボタンいろいろから編集開始／保存／画像切り替えができます
よく使うボタンを紹介しておきます

つまり、アノテーションする場合はまず Create RectBox ボタンを押下します
そうするとカーソルが変化するので、物体を囲うようにクリック→ドラッグして矩形選択すると、その矩形に対してタグをつけることができます

もちろん、1枚の画像に複数の枠・タグをつけることが可能なので、~~やりたい放題~~ 必要に応じてアノテーションしていきます
ちなみに登録したタグは保存されるので、同じタグで登録する場合は以後入力は不要。選択するだけでOKになります
これを Save して次の画像に行き、作業を繰り返します

ちなみにショートカットもいくつかあるので使いやすいものは使うと便利です

これを全部の画像やります。がんばろぽちぽち

argument 1 has unexpected type 'float'のようなエラーで死ぬ場合があります
例えば、描画しようとしたり画像の拡大縮小などを実行しようとすると発生することがあるみたいです😭

簡単に説明すると、エラーが出ている個所に対してint型にするように修正すればOKです

例えば

- self.zoom_widget.setValue(value)
+ self.zoom_widget.setValue(int(value))

といったかんじ

次はいよいよ画像を学習させていきます