はじめに
近年、AI(Artificial Intelligence:人工知能)の急速な発展に伴い、それらを用いた技術が活用され始めています。例えば、AIによる画像認識技術として物体検出などがあります。物体検出は「画像の中から特定の物体の位置、種類、個数などの情報を認識する技術」であり、AIを用いて比較的高速に画像内の物体情報を取得することができます。この技術を用いて製造業では品質評価、外観検査、異常検知などに活用されています。
リアルタイムに物体検出を行うアルゴリズムにYOLO(You Only Look Onse)と呼ばれるものがあり、CNN(Convolutional Neural Network:畳み込みニューラルネットワーク)を用いたアルゴリズムとなっています。2022年の7月に最新の物体検出モデルYOLOv7が公開されています。YOLOv7は以下のグラフにもあるように従来の物体検出モデルよりも同精度における推論時間が短縮しています。
本記事では、物体検出モデルYOLOv7の動作環境構築とデモ実行の方法を紹介します。
1. YOLOv7のリポジトリ
YOLOv7は以下のgithubから取得できます。
2. 動作環境の構築
以下のコマンドを順番に実行してくと動作環境が構築できます。簡単ですね。
もしGoogleColaboratoryで推論したい場合は、以下の順番でコマンドを実行してください。
3. デモ実行
それでは推論デモを実施したいと思います。画像に対する推論は以下のコマンドで実行できます。画像はデフォルトでinference/imagesに保管されているhorce.jpgを用います。
画像に対する物体検出の結果は以下のようになっています。馬5匹が検出されていますね。
また動画については以下のコマンドで実行できます。動画はNHKクリエイティブ・ライブラリーから取得した動画を使用しました。
動画に対する物体検出の結果は以下のようになっています。人物や植物が検出されているのがわかると思います。
オススメ書籍
物体・画像認識と時系列データ処理入門
現場で使える!PyTorch開発入門 深層学習モデルの作成とアプリケーションへの実装
PyTorchで作る!深層学習モデル・AIアプリ開発入門
スキル修得&転職
近年、DXの進展に伴うデジタル人材の需要の高まりに追いついていない状況が続いていると経済産業省がホームページで記載している通り、DX人材、IT人材が不足しているのが現状です。さらにコンピュータの性能向上やAI技術の発展により、よりDX人材、IT人材の需要が高まってきます。さらには、今後の長期間安定して職がある業種とも考えられます。
以下の求人では、IT業界の転職や、IT未経験だけどIT人材を志望する就活を支援してくれます。無料で会員登録もできるので、まずは登録だけでもして様子を見てみてはいかがでしょうか?
▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼▼
▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲▲
おわりに
本記事では、物体検出モデルYOLOv7の動作環境構築とデモ実行の方法を紹介しました。精度・速度が向上した物体検出モデルYOLOv7を用いて新たなリアルタイム物体検出を活用したシステム構築などをしていきましょう。