ラズパイで物体検出 ３
最近はChatGPTや生成AIなど人工知能（AIモデル）に触れる機会が増えてきましたね。
このコラムではディープラーニング（深層学習）を用いた物体検出をご紹介しようと思っていますが、
せっかくだから独自に学習を行ったAIモデルをラズパイ５で動かしてみようと考えています。
全３回を予定しています。
１．ラズパイ５紹介
２．ディープラーニングモデルのYOLO紹介
３．教師あり学習と実動作←現在地
３．教師あり学習と実動作
前回まででラズパイ５とYOLOをご紹介しましたが、今回はYOLOによるディープラーニングでAIモデルを作成し、ラズパイ５で動画再生しながらリアルタイムに物体検出を行ってみます。
リアルタイムに物体検出を行うにはかなりの処理スピードが必要となってきますが、ベストタイミングの2024年6月にNPU（Neural Processing Unit）が搭載された「Raspberry Pi AI Kit」が発売となりました。
NPUはAIプロセッサとも呼ばれAIモデルの推論を高速に行う半導体です。これを使えばリアルタイム処理が万全だと思うのですが、残念ながら色々な販売サイトを確認しても「在庫切れ」でポチることができませんでした(涙)。人気なのですね。
仕方なくラズパイ５のCPUパワーで物体検出を行うことにします。
しかし、ラズパイ５のCPU処理性能が上がっているし、YOLOの処理スピードも速いので、どれくらいの性能になるのかも興味があります。
検出する物体は入手しやすい日本硬貨にしました。
教師あり学習では文字の通り教師データが必要になるのですが、その前に被写体となる硬貨を集める必要があります。
硬貨の和暦や製造年をできるだけバラバラにしたいと思い、家族にもお願いして各20枚ほど集めました。
集めた硬貨をスマホで沢山＆た～くさん撮影してパソコンに取り込み、取り込んだ画像に専用ツールを使って「どこに」「何が」写っているのかを四角で囲んでいきます。こんな感じです。
地味な作業ですが、間違いや付け忘れはAIモデルの性能を悪化させることになるため、右手のマウスを慎重に操作し、左手の缶ビールで渇いたのどを潤すことも大事です。
全ての画像の作業が終わって、やっと教師データの出来上がりです。８割を学習用に、２割を検証用に分けます。
次は教師データを使って学習を行うのですが「Raspberry Pi AI Kit」が入手できなかったため学習はパソコンで行いました(汗)。
学習は、何回も繰り返すことで画像の特徴を絞り込んでいくのですが、回数が少ないと学習不足で性能が出ないし、あまりに繰り返すと役立たずの特徴となる特性もある（過学習）ため、学習不足と過学習の間を狙って学習回数を決めます。
う～ん・・・小難しくなってきたのでさっさと結果をみましょう。
出来上がったAIモデルをラズパイ５にコピーして動かした動画です。
そこそこの精度でしょうか。
それよりラズパイ５とYOLOの性能の良さでしょうね、動画のカクカク感が想像以上に少なく、なかなかの結果となりました。
世はまさに大海賊時代・・・ではなくて、DX（デジタルトランスフォーメーション）で社会やビジネス、生活の形・スタイルがどんどん便利になっている時代ですね。
私たちの技術でみなさまのお役に立てることが、もっともっと増えればと願っています。
最後まで見ていただき、本当にありがとうございました。