最近YOLOを使った研究をしています。
はじめに
技術の進歩は目覚ましく、専用の機材を使用したコンテンツを開発しようものなら、
「生産終了しました。新規で購入出来ません」
「しばらく更新されておらず、最近のバージョンに対応していません」
のように数年経つだけで使用ができなくなることもよくあります！（つらい）
せっかく作ったコンテンツを長く、多岐に活用したいのは全エンジニアの願いですよね。（AIを活用して一般的な機材で代用出来たらいいな、ついでに他との差別化もしたいな。。。）
ということで、AIを使ってよくある画像認識（人とかモノとか）をするといえばの代表、「YOLO」を研究しています。
YOLO （You Only Look Once）
YOLOとは学習させることで、商品などオリジナルのものをリアルタイムに画像検出できる技術。（おお…！）
実際にやってみた
検出までの道のりはざっくり5ステップ！
① 検出したいものを決める
② 学習素材（画像）を用意する
③ アノテーションをする
④ 学習する
⑤ 検出する
① 検出したいものを決める
② 学習素材（画像）を用意する
学習に使用する画像を用意します。様々な環境で撮影した画像がたくさんあると良いです。今回は1,200枚ほど。（自動水増し含む）
③ アノテーションをする
「検出したいものはこれだよ」と囲んでラベルをつけて、学習時に使用するデータを作る作業。（今回は手作業なので画像が多いと大変。。。）
④ 学習をする
今回は弊社所有のPC上で学習させます。
学習させる回数次第ではありますが、ある程度時間がかかるので待ちます。
今回は学習回数を300回で設定しましたが、後半の方では変化が見られず237回で終了。時間にして約1時間半ほど。
「検出結果の座標」と「正解の座標」の重なり具合を比較するしきい値で平均精度を評価してみると。
mAP50（しきい値0.5での平均平均精度）： 0.992（約99.2%）
mAP50-95（しきい値0.5-0.95での平均平均精度）：0.986（約98.6%）
と高精度で検出できるモデルが出来ました！
⑤ 検出する
学習して作成されたモデルを使用して、リアルタイムにWEBカメラの映像から検出してみましょう！
検出できた！！
検出が出来たので、これを使っていい感じにコンテンツにしていきたいと思います！
さいごに
弊社では引き続きAIを活用した研究やコンテンツ制作をしていく予定です。
コンテンツ導入やコラボなどご興味あればお問い合わせください！！