クラッシュロワイヤルに出てくるゴブリンをトラッキングしたった ①データ取得
 クラッシュロワイヤルに出てくるゴブリンをトラッキングしたった ②アノテーション追加
の続きです。

What is Amazon ReKognition?

Amazon ReKognition とはクラウド上でDeepLearningにもとづいた画像・動画分析ができるサービスです。何もしなくても顔やテキストを抽出することができるみたいですが、今回のテーマであるゲームキャラクタなどの任意のオブジェクトもアノテーション(ラベリング)をつけて学習・推論をかけることができます。

Preparetion

必要なものとして、S3とmanifestファイルの2つが必要です。S3は学習や推論をかけたい画像を格納するのに使います。manifestファイルは画像内にあるオブジェクトの情報であるアノテーションが集約されたReKognition用のファイルです。クラッシュロワイヤルに出てくるゴブリンをトラッキングしたった ②アノテーション追加ではPASCAL VOC 1.1形式に変換してエクスポートしていますが、ここからmanifestファイルを作成します。

s3 upload

学習に使った画像をs3にアップロードします。

ml-clashroyal/ (←バケット)
 ├ annotation/ (マニフェストファイル保存先)
 ├ learn/ (学習用画像)
 └ evaluate/ (評価用画像)

create manifest file

PASCALからmanifestファイルを出力するのにpascalgtというライブラリを追加します。
このライブラリはDaikiTanakが個人で作成されたものです。

pip install pascalgt

pascalgtをもとにスクリプトを作成しました。
コマンド実行時に追加する引数は

プロジェクト名
- ReKognitionでプロジェクトを作るときに使います
S3パス
- s3://xxxxx
マニフェストファイルの出力先
PASCAL内のxmlファイル場所
- Annotations の中にあります。

の4つです。

import argparse
from pascalgt.transformer import Pascal2GT

def main():
	parser = argparse.ArgumentParser()
	parser.add_argument("--pj_name", default="pj_name", help="プロジェクト名")
	parser.add_argument("--s3_path", default="s3://", help="s3パス")
	parser.add_argument("--output", default="./output.manifest", help="マニフェストファイルの出力先")
	parser.add_argument("--xml_path", default="./Annotations", help="PASCAL内のxmlファイル場所")
	args = parser.parse_args()

	pascal2gt = Pascal2GT(project_name=args.pj_name, s3_path=args.s3_path)
	pascal2gt.run(path_target_manifest=args.output, path_source_xml_dir=args.xml_path)

if __name__ == "__main__":
	main()

python main.py --pj_name="track_goblins" --s3_path="s3://ml-clashroyal/learn" --xml_path="./track_goblin/Annotations/"

実行後はマニフェストファイルができるので、このファイルをs3に格納します。
ここではml-clashroyal/annotationに入れてます。

Method

材料がそろったのでAmazon Rekognitionを使ってモデルを作成しようと思います。

「カスタムラベルを使用」をクリック

「Projects」をクリック

「Create project」をクリック

プロジェクト名を追加する。
ここでは、 create manifest fileでスクリプトを実行したときに使ったプロジェクト名を入力します。
「Create project」をクリック。

「Create dataset」をクリック。

Starting configurationは「Start with a single dataset」を選ぶ
Training dataset detailsは右下の「Import Images labeled by SageMaker Ground Truth」を選び、S3に保存してあるマニフェストファイルのS3パスを入力する。
「Create Dataset」をクリック。