はじめに
こんにちは！
今回は今までに引き続き、プログラミングを始めたての僕みたいな人でも視覚的にプログラミングを実感できる記事を書いてみました！
テーマは「YOLOv3」。熟練者にはすでに馴染みのある名前だと思いますが、初心者には聞き慣れない言葉ですよね、、、。
それではまずYOLOv3がどういうものなのかを説明していきます。
YOLOv3ってなに？
YOLOv3のYOLOとは「You Only Look Once」の略であり、日本語にすると「一目見るだけで良い」という意味になります。
2016年に発表されたものであり、それまでの物体検出には無かった1つのCNNで物体検出からクラス分類まで全て行う機能を実装した画期的なモデルなんです。
かの有名なTEDで発表された際も聴衆に多大なインパクトを与えたそうです。
では、そんなYOLOv3を誰でも簡単に試せてしまうやり方を確認していきましょう！
筆者の開発環境
・macOS Mojave バージョン10.14.3
・MacBook Air(11-inch, Early 2015)
・プロセッサ 1.6 GHz Intel Core i5
・Python 3.7.1
これで問題なく動きました！
手順
①まずterminalを開き 「mkdir yolov3」と打ち込んでenterキーを押し、yolov3のフォルダを作成します。
②続いて「git clone https://github.com/pjreddie/darknet」 と打ち込みenterキーを押します。
するとダウンロードが始まりますので気長に待ちましょう。
③次に「cd darknet/」と打ち込んでenterキーを押し、次に「make」と打ち込みます。するとまた長々と処理が始まりますので気長に待ちましょう。
④処理が終わったらインターネットで「https://pjreddie.com/darknet/yolo/」 と検索し、ページの下の方にある「here(237MB)」をクリックして必要なモデルをダウンロードします。ダウンロードが完了したら先ほど作ったyolov3フォルダの中のdarknetの中に保存しましょう。保存し終わったらそのyolov3フォルダをデスクトップに配置しちゃいます。
⑤そしてまたターミナルを開き、先ほどの続きから「./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg」と打ち込みます。この dog.jpg というのは darknetというフォルダの中にあるdataフォルダに入っている画像なのですが、この画像を使って試しに物体検出をしてみます。
⑥処理が終わったら結果がterminalに表示され、検出済みの画像がprediction.jpgとしてdarknetに保存されています。
dog.jpgを使った場合、こんな画像になります。
終わりに
いかがだったでしょうか？
こんな感じで簡単に物体検出ができちゃいます！
始めたてだと、何か視覚的にプログラミング結果が出た方が絶対面白いのでとてもオススメです。
プログラミング歴に関係なく本当に簡単なので、自前のjpg画像で試してみると面白いですよ！
では、また次の記事で！