はじめに

RaspberryPiで物体検出を行うにあたり、主要な物体検出手法の一つであるYOLO(You only look once)の各ソースの検出速度と検出精度を比較してみたのでまとめます。

YOLOの仕組みについては【物体検出手法の歴史 : YOLOの紹介】が分かり易かったです。

私がRaspberryPi でやりたいこと

猫用のペットカメラとするついでに、4匹の猫を見分けたい！柄は4匹とも違う！
見分けて何をするかは、猫の様子を監視してエアコンのリモコン制御とか、活動量を見て健康管理に使えたらいいなぁ程度しか考えてないです。

評価対象はCOCOデータセット(クラス数は80)とし、YOLOの作者のサイト：YOLO: Real-Time Object DetectionとAlexeyABで配布されている学習済みモデルの重みを用いています。各モデルには検出時間を優先した"Tiny"というものがあります。

以下、ソース×Modelの結果です。説明・結果の画像・所感は後程記載します。

ソース	Model	検出時間	検出精度
pjreddie	v2	477秒	○
pjreddie	v2-Tiny	42秒	×
AlexeyAB	v2	33秒	○
AlexeyAB	v2-Tiny	6.6秒	△
AlexeyAB	v3	74秒	◎
AlexeyAB	v3-Tiny	6.7秒	○
AlexeyAB	v4	152秒	◎
AlexeyAB	v4-Tiny	7.8秒	○
keras-yolo3	v3	12秒	◎
keras-yolo3	v3-Tiny	0.75秒	○
Tensorflow-YOLOv3	v3	8.9秒	◎
Tensorflow-YOLOv3	v3-Tiny	3.4秒	○
yolov3-tf2	v3	5.6秒	◎
yolov3-tf2	v3-Tiny	0.67秒	○

検出精度は主観ですが、各画像の主の物体の認識率を目安にしています。◎(90%～100%)、〇(70%~90%)、△(50%~70%）、×(認識できない)。

本家
v2、v3の学習済みモデルの重みのダウンロードもこちらからできます。
C言語
物体検出中のCPUの使用率は25~35%で遷移しており、CPUの使用効率は悪い。
makeファイルのパラメータを変えることで、GPUで動作させることも可能だが、RaspberryPiでは難しい。
v3、yolov3-tinyはSegmentation faultで動きませんでした。(Google Colaboratoryでは検出できているので環境の問題)
v2-Tinyは物体検出できてなさそうでした。(こちらもGoogle Colaboratoryでは検出できているので環境の問題)

Model	dog	person
v2
v2-tiny

Model	dog	person
v3
v3-tiny

Model	dog	person
v3
v3-tiny

tensorflow2系 (tf.keras使用)
pjreddie/darknetの重みをコンバートして使用することができる。
RaspberryPiではpip install tensorflowでtensorflow2は入らなかったので、https://github.com/PINTO0309/Tensorflow-bin からtensorflow-2.2.0-cp37-cp37m-linux_armv7l.whlをダウンロードしてinstall
物体検出中のCPUの使用率は75~85%