追記項目

2017.11.25 -- inflated_image.pyを使用する際にフォルダの名前を書き換える必要があったので、追記しました。

はじめに

　WindowsでYOLOを使う記事がいくつかあったのですが、自分なりにまとめておきたいと思ったのとQiitaに書く練習がてら記事として書いてみました。
　題材としては、2017/11/11に公開された「ご注文はうさぎですか！？」を題材として使ってみることにしました（映画の画像じゃないよ）。画像はkoi先生のイラスト、第1期、第2期から適当に拝借。普通の題材でもよかったのですが、ごちうさでやっていれば心もぴょんぴょんしてきて、モチベ的に苦にならないので。ただ、何番煎じでしょうかね。

ごちうさと機械学習的なものはここが結構有名ですね（ご注文は機械学習ですか・ご注文はDeep Learningですか？）

プログラム

GitHubにYOLOで使われるプログラムを少し書き直したものを置いておきました。使用する場合は自己責任で。
※darknet.exeがありますが、各自の環境でビルドすることをオススメします。
Tool → yolo learning tools

※それぞれのプログラムのもとはこれ
BBox-Label-Tool
increase_picture

動作環境

Windows 10 Home Edition
GeForce GTX 1080Ti
core i7 7700K
Visual Studio 2015 Community
Anaconda 3 (Python 3)
CUDA 8.0
cudnn 5.1

下準備

　工程として以下の工程があります。

画像を集める
アノテーションする
画像を増やす
YOLOで学習
テスト

　それぞれについて、簡単に解説していきます。基本的に必要なプログラムは各自でダウンロードしてください。

※必要なモノ

Anaconda 3(Python 3)
Visual Studio 2015
CUDA ToolKit 8.0
cudnn 5

darknetをダウンロードして、ビルド

YOLOのプログラムであるdarknetは　→→→こちら←←←から取得します。
Visual Stduioは2015でしか試していないので最新版でできるかわかりません。
知っていてば教えていただければ。
2015に関しては、先ほどのサイトにISOファイルのリンクがあります。
darknetを動かす色々なツールなどのインストールは先ほどのサイトで。
取りあえず、ビルドが成功したということで話を進めていきます。

pythonにOpenCVをインストール

以下のコマンドでインストール

conda install opencv

「python」と入力して
＞＞＞import cv2
と入力し、何もなければOK。

「Traceback (most recent call last):
File "", line 1, in
File "C:\Program Files\Anaconda3\lib\site-packages\cv2_init_.py", line 9, in
from .cv2 import *
ImportError: DLL load failed: 指定されたモジュールが見つかりません。
」
上記のエラーが出た場合は、Anacondaのインストールされているフォルダから「cv2」というフォルダを削除。

画像を集める

　画像を集めるのは好きなように集めてくださいね。自分はGoogleやらで適当に集めました。のちにプログラムで1枚当たり18枚まで拡張するので、今回は各20種類（5キャラなので計100枚）ずつぐらい。
　画像を格納するフォルダを適当に作成し、その中に画像は好きな順番に「001」「002」「003」・・・とフォルダを作成する。画像の名前は何でもいいが、できれば連番で統一しておくとよいかも。
※フリーソフトなどで簡単に名前を変更しておこう。
※画像は「.jpg（JPEG画像）」のみです。PNG画像などは「BBox-Label-Tool.py」の「127行目」を書き換えてください。

例）「test」フォルダを作成し、5キャラ「001」～「005」を「test」フォルダに作る。

test
｜－001－chino_001.jpg～chino_020.jpg
｜－002－rize001.jpg～rize020.jpg
｜－003－cocoa_001.jpg～cocoa020.jpg
｜－004－sharo_001.jpg～sharo_020.jpg
｜－005－chia_001.jpg～chia_020.jpg

使用した画像の例

フォルダ内にclasses.txtを作成し、クラス名を記入する。
classes.txtにクラス名を記述。今回の場合は
・chino
・rize
・cocoa
・sharo
・chia

アノテーション（ここが一番つらい）

　ダウンロードしたプログラム「BBox-Label-Tool.py」を起動する。コマンドプロンプトかWindows Shellにて

　　python BBox-Label-Tool.py [フォルダ名]

「Image Dir：」に番号（1～5）を記入すると画像を読み込む。
画像が表示されたらクリックして認識したいものを囲む
「Next」ボタンで次の画像を読み込む（この時に囲んだ座標は登録されるので必ず押すこと）
ラベルデータを作成できればOK

画像の増幅

とりあえず、機械学習は画像が多ければ多いほどいいのよ。過学習になっちゃうとダメだけど、ひとまずは置いておいて。コマンドは以下の通り

　　python inflate_images.py [フォルダ名] [出力フォルダ（ない場合はobjフォルダが生成）]

[出力フォルダ（ない場合はobjフォルダが生成）]とinflated_labelsができていればOK

今回の場合は
　　python inflate_images.py test gochiusa

※出力フォルダには「image」という単語を含まないようにします。
※このとき、先ほど作成した「classes.txt」の中身と同じになるようにフォルダ名を書き換えます。今回の場合は「001」→「chino」、「002」→「rize」・・・。

ラベルの変換と設定ファイルの作成

アノテーションしたファイルを変換する必要があります。
また、認識するための設定ファイルを作成する必要があります。

次のコマンドで設定ファイルも作成することができます。

　　python convert.py [フォルダ名] [inflated_imageで出力フォルダを指定した名前] [学習数の比率]

今回の場合は
　　python convert.py test gochiusa

※inflated_imageで出力フォルダをして指定ない場合で、学習数の比率を変更したい場合は、「obj」と入力

学習数の比率は指定しない場合は「学習数：テスト数＝１：１」となります（学習画像とテスト画像が同じ）。学習数の比率は0.1～0.9の間で指定してください。
今回は何も指定していません。

学習

先ほど作成したファイルで必要なのが、以下の２点です。

出力フォルダ（objもしくは自分で決めた名前）
configフォルダ

これを、darknetの実行するフォルダに持っていきます。訓練のコマンドは以下の通りです。

　　.\darknet.exe detector train [dataファイル] [cfgファイル] .\darknet19_448.conv.23

今回の場合は

　　.\darknet.exe detector train .\test\config\learning.data .\test\config\learning.cfg .\darknet19_448.conv.23

となります。とりあえず10000回まわします。
あとは、実行が終わるのを待つだけ。。。
もし、もっと回したい、減らしたいという人は15行目のmax_batches = 10000を変更してください。

結果

学習について

1エポック当たり1.5[s]だったので，約4[h]くらいで学習は終わりました。

未知データについて（画像）

とりあえず、画像で試してみた。コマンドは以下の通り。

　　.\darknet.exe detector test [dataファイル] [cfgファイル] [weightファイル] -i 0

今回の場合は、

　　.\darknet.exe detector test .\test\config\learning.data .\test\config\learning.cfg .\backup_final.weights -i 0

アニメの画像はうまくいっている感じですね。koi先生のイラストはもう少し学習データに入れる必要性がありそうですね。

起動したら、画像ファイルを入力してください。

未知データについて（動画）

動画の場合は次のコマンドです。

　　.\darknet.exe detector test [dataファイル] [cfgファイル] [weightファイル] [動画ファイル] -i 0 -out_filename [出力ファイル名]