スポンサーリンク

「jupyter notebook」で「Object Detection API」のチュートリアルを行う方法ご紹介。

TensorFlow
スポンサーリンク

今回の記事はTensorFlowの「Object Detection API」をPythonライブラリの「jupyter notebook」で使用し、チュートリアルを行う環境の設定と、コードの解説になります。初心者でもわかるように解説していきますので是非参考にして見てください。

今回はローカルPCに環境構築を行う内容になっていますがDockerコンテナ上に環境構築を行い「jupyter notebook」を使用する方法は下記の記事を参考ください。

「DockerでPython環境を構築し、「jupyter notebook」を使用する方法ご紹介。」

スポンサーリンク

「Object Detection API」の環境構築

物体検出をおこなう為、TensorFlowの「Objest Detection API」を動かしてみようと考え、そのためにチュートリアルを動かすというところでまず詰まりました。理由として環境構築が難しすぎるからです。初心者にとっても分かりやすいようにどんどん解説していきます。

まずは公式のgithubをクローンします。(Zipを直接回答してもOKです。)クローンする箇所はご自身のPCのどこでもOKです。

git clone https://github.com/tensorflow/models.git
クローンが作成されます。

このクローン作成かなり時間かかります。では次にPCのjupyter notebookを開きます。

「jupyter notebook」で「Object Detection API」を開く

次にAnacondaをインストールしている方は「jupyter notebook」を開いてください。python のみのインストールの方は「jupyter notebook」をpipでインストールしてnotebookを起動します。

「jupyter notebook」でクローンしたフォルダを開いていくと「object_detection_tutorial.ipynb」ファイルが下記パスに保存されています。

「models/research/object_detection/colab_tutorials/」

これをjupyterで開けば下記のような画面になっております。

シフトエンターでどんどん「jupyter notebook」で実行していきます。

その際にpipでどんどんインストールしていくのですがローカルにtensorflow 1.15入れてたのに2系を上書きされたようでバージョンを1.15に合わせて再インストールし、実行すると最後に下記のように犬を検知できております。

これが簡単なチュートリアルですね。このチュートリアルではすでに作成されたモデルを使用していますが、実際に自身で作成したモデルをこの「Object Detection API」に入れて動作させると上記のように検出した物体を枠で囲むことができます。

以上で今回の記事は終了です。他にも自身でモデルを作成し、「Object Detection API」に組み込んだりして見た記事があるので興味があればそちらも参考に知って下さい。これ以外にも多数の機械学習関連の記事を記載しているので是非そちらも合わせてご参照ください。

コメント

  1. […] 【Python】jupyter notebookでTensorFlowのObject Detection APIを使って物体検出を行う方… […]

  2. […] 【Python】jupyter notebookでTensorFlowのObject Detection APIを使って物体検出を行う方… […]

  3. […] 【Python】jupyter notebookでTensorFlowのObject Detection APIを使って物体検出を行う方… […]

  4. […] 「「Object Detection API」の環境構築をローカルPCに行う方法。」「「Object Detection API」の環境構築をDocker上に行う方法。」 […]

  5. […] 「ローカルPCに「Object Detection API」の環境構築」「Docker上に「Object Detection API」環境を構築する手順」 […]

  6. […] 「「Object Detection API」の環境構築をローカルPCに行う方法。」「「Object Detection API」の環境構築をDocker上に行う方法。」 […]

タイトルとURLをコピーしました