12
9

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

More than 3 years have passed since last update.

Googleの事前学習済みモデルを利用した一般物体検出(TensorFlow Hub経由)

Last updated at Posted at 2020-01-22

概要

TensorFlow Hub を使って、**一般物体認識の事前学習済みモデル(Google謹製)**を持ってきて、それを使って任意の画像に対しての一般物体認識(一般物体検出)をしてみようという内容です。

基本的には、https://github.com/tensorflow/hub/blob/master/examples/colab/object_detection.ipynb を参考にしています。

ダウンロード (2).png

実行環境は、**Google Colab.**で、TensorFlow 2.x 対応です。

準備

計算にGPUを利用するように変更します。上部のメニューから「ランタイム」-「ランタイムのタイプを変更」を選択して、ハードウェアアクセラレータを「GPU」に変更します。

2020-01-23_13h41_09.png

次に、TensorFlow Hub から持ってくるモジュール(学習済みモデル)を一時保存するディレクトリを指定する環境変数を追加します。なお、このプロセスは「モジュールとしてどんなものがダウンロードされるのか?」を確認したい場合のみ必要なもので省略可能です。

環境変数を追加
import os
os.environ['TFHUB_CACHE_DIR'] ='/content/tfhub'
環境変数を確認
!printenv TFHUB_CACHE_DIR

TensorFlow 2.x を使うように切り替えます。

TensorFlow2.xに切り替え
%tensorflow_version 2.x

また、物体認識させたい画像を、Google Colab. にアップロードしておきます(サイドバーを展開して、ファイルタブをアクティブにしてファイルをドラッグアンドドロップすればアップできます)。ここでは、jpg形式のファイルを使っていますが、png形式でもOKです。

2020-01-22_20h21_38.png

ハブから一般物体検出のモジュール(学習済みモデル)を取得する

TensorFlow Hub から一般物体検出のモジュール(学習済みモデル)を取得します。

検出器のロード
import tensorflow as tf
import tensorflow_hub as hub

module_handle = 'https://tfhub.dev/google/openimages_v4/ssd/mobilenet_v2/1'
#module_handle = 'https://tfhub.dev/google/faster_rcnn/openimages_v4/inception_resnet_v2/1'

detector = hub.load(module_handle).signatures['default']

上記のモジュールは「SSD-based object detection model trained on Open Images V4 with ImageNet pre-trained MobileNet V2 as image feature extractor.」とのこと。これ以外にも「image object detection」に対しての様々なモジュールがハブに揃っています。

環境変数 TFHUB_CACHE_DIR が設定されていれば、そこに取得したモジュールが格納されます(未指定の場合は、どこか適当なところ /tmp ? に格納されるのだと思います)。

TFHUB_CACHE_DIR.png

物体検出を実行する

上記でロードした「検出器」と「画像ファイルパス」を引数として受け取り、物体検出を実行して、その結果をテキスト出力する関数 run_detector(...) を記述します。

なお、最終行で呼び出してる関数 showImage(...) は、後ほど作成するので、ここでは一旦、コメントアウトしておきます。

要点は、次のようになります。

  • 入力する画像ファイルは、$227\times 227$ ピクセルで、チャンネルは RGB の順であたえます。
  • 縮小アルゴリズムの選択(入力データの生成)が、検出にも影響します。ここでは、Image.LANCZOS を使用していますが、これを Image.NEAREST に変えると検出のスコアが変化します。
物体検出を実行する関数定義
import time
import numpy as np
import PIL.Image as Image

def run_detector(detector, path):

  # 画像を読み込んで detector に入力できる形式に変換
  img = Image.open(path) # Pillow(PIL)
  if img.mode == 'RGBA' :
    img = img.convert('RGB')
  converted_img = img.copy()
  converted_img = converted_img.resize((227,227),Image.LANCZOS) # 入力サイズに縮小
  converted_img = np.array(converted_img, dtype=np.float32)     # np.arrayに変換
  converted_img = converted_img / 255. # 0.0 ~ 1.0 に正規化
  converted_img = converted_img.reshape([1,227,227,3])
  converted_img = tf.constant(converted_img)

  t1 = time.time()
  result = detector(converted_img) # 一般物体検出(本体)
  t2 = time.time()
  print(f'検出時間 : {t2-t1:.3f}' )

  # 結果をテキスト出力するための準備
  r = {key:value.numpy() for key,value in result.items()}
  boxes =       r['detection_boxes']
  scores =      r['detection_scores']
  decode = np.frompyfunc( lambda p : p.decode('ascii'), 1, 1)
  class_names = decode( r['detection_class_entities'] )

  # スコアが 0.25 以上の結果(n件)についてテキスト出力 
  print(f'検出オブジェクト' )
  n = np.count_nonzero(scores >= 0.25 )
  for i in range(n):
    y1, x1, y2, x2 = tuple(boxes[i])
    x1, x2 = int(x1*img.width), int(x2*img.width)
    y1, y2 = int(y1*img.height),int(y2*img.height)
    t = f'{class_names[i]:10} {100*scores[i]:3.0f}%  '
    t += f'({x1:>4},{y1:>4}) - ({x2:>4},{y2:>4})'
    print(t)

  # showImage(np.array(img), r, min_score=0.25) # 検出結果を画像にオーバーレイ

上記の run_detector(...) は、次のように呼び出します。

画像パスを指定して実行
img_path = '/content/sample1.jpg'
run_detector(detector, img_path)

ここでは、sample1.jpg に次のような写真(フリー素材)を使いました。

sample8.jpg

実行結果は、次のようになります。
括弧の数値は、当該物体を囲むような矩形の左上と右下の座標になります。

検出時間 : 0.251 秒
検出オブジェクト
Human face  57%  ( 522, 156) - ( 636, 276)
Clothing    57%  ( 403, 203) - ( 757, 577)
Clothing    57%  ( 144, 211) - ( 481, 583)
Girl        41%  ( 393, 104) - ( 763, 595)
Girl        34%  ( 214,  81) - ( 619, 614)

このようなテキストでは、結果が分かりづらいので画像に重ねてみます。

検出結果を画像にオーバーレイ表示する

検出結果を画像にオーバーレイ表示するための関数 showImage(...) を記述します。

検出結果を画像にオーバーレイ表示
import matplotlib.pyplot as plt
import matplotlib.patheffects as pe 

def showImage(img, r, min_score=0.1):
  fig = plt.figure(dpi=150,figsize=(8,8))
  ax = plt.gca()
  ax.tick_params(axis='both', which='both', left=False, 
                 labelleft=False, bottom=False, labelbottom=False)
  ax.imshow(img)

  decode = np.frompyfunc( lambda p : p.decode("ascii"), 1, 1)

  boxes =       r['detection_boxes']
  scores =      r['detection_scores']
  class_names = decode( r['detection_class_entities'] )

  n = np.count_nonzero(scores >= min_score)
  
  # class_names に対応した 色の準備
  class_set = np.unique(class_names[:n])
  colors = dict()
  cmap = plt.get_cmap('tab10')
  for i, v in enumerate(class_set):
    colors[v] =cmap(i)

  # 矩形を描画 スコアが低いものから描画
  img_w = img.shape[1]
  img_h = img.shape[0]
  for i in reversed(range(n)):
    text = f'{class_names[i]} {100*scores[i]:.0f}%'
    color = colors[class_names[i]]
    y1, x1, y2, x2 = tuple(boxes[i])
    y1, y2 = y1*img_h, y2*img_h
    x1, x2 = x1*img_w, x2*img_w

    # 枠
    r = plt.Rectangle(xy=(x1, y1), width=(x2-x1), height=(y2-y1),
                      fill=False, edgecolor=color, joinstyle='round', 
                      clip_on=False, zorder=8+(n-i) )
    ax.add_patch( r )

    # タグ:テキスト
    t = ax.text(x1+img_w/200, y1-img_h/300, text, va='bottom', fontsize=6, color=color,zorder=8+(n-i))
    t.set_path_effects([pe.Stroke(linewidth=1.5,foreground='white'), pe.Normal()])
    fig.canvas.draw()
    r = fig.canvas.get_renderer()
    coords = ax.transData.inverted().transform(t.get_window_extent(renderer=r))
    tag_w = abs(coords[0,0]-coords[1,0])+img_w/100
    tag_h = abs(coords[0,1]-coords[1,1])+img_h/120

    # タグ:背景
    r = plt.Rectangle(xy=(x1, y1-tag_h), width=tag_w, height=tag_h,
                      edgecolor=color, facecolor=color,
                      joinstyle='round', clip_on=False, zorder=8+(n-i))
    ax.add_patch( r )

そして、さきほどの run_detector(...) の定義の最終行でコメントアウトしていたものを外して、再度、run_detector(detector, img_path) を実行します。

次のような実行結果(画像)が得られます。
ダウンロード (1).png

おまけ

別のモジュール(検出器)に切り替えて、同じ画像に対して物体認識をしてみます(結構、時間がかかります)。

import tensorflow as tf
import tensorflow_hub as hub

#module_handle = 'https://tfhub.dev/google/openimages_v4/ssd/mobilenet_v2/1'
module_handle = 'https://tfhub.dev/google/faster_rcnn/openimages_v4/inception_resnet_v2/1'

detector = hub.load(module_handle).signatures['default']

実行結果は、次のようになりました。
先ほどの何倍も時間がかかっていますが、より多くのものを検出できています。
ダウンロード (2).png

検出時間 : 1.379 秒
検出オブジェクト
Human face  94%  ( 524, 147) - ( 625, 272)
Human face  86%  ( 266, 149) - ( 351, 270)
Clothing    75%  ( 383, 234) - ( 750, 565)
Footwear    70%  ( 154, 511) - ( 306, 598)
Boy         65%  ( 351,  93) - ( 759, 606)
Footwear    59%  ( 311, 521) - ( 477, 600)
Clothing    53%  ( 152, 225) - ( 438, 565)
Girl        53%  ( 144,  88) - ( 481, 598)
Boy         49%  ( 225,  88) - ( 618, 592)
Boy         45%  ( 145,  90) - ( 464, 603)
Girl        37%  ( 324,  85) - ( 771, 587)
Sun hat     29%  ( 479,  78) - ( 701, 279)
12
9
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
12
9

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?