39
43

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 5 years have passed since last update.

YOLOV3-kerasをリアルタイムで使用する.

Last updated at Posted at 2018-04-12

対象

SSDとかYoloV2開発者.
DeepLearningで何ができるのか知りたい方.

1. YoloV3

現状最も強力な物体検出系AIです.
YoloV2の改良版で,Yolov2よりも層が深くResnetのようになっています.
その他さまざまな改良点がありますがおいおい.
YoloV3 Strong~ 以下ネットワーク構造
layer filters size input
0 conv 32 3 x 3 / 1 416 x 416 x 3
1 conv 64 3 x 3 / 2 416 x 416 x 32
2 conv 32 1 x 1 / 1 208 x 208 x 64
3 conv 64 3 x 3 / 1 208 x 208 x 32
4 res 1 208 x 208 x 64
5 conv 128 3 x 3 / 2 208 x 208 x 64
6 conv 64 1 x 1 / 1 104 x 104 x 128
7 conv 128 3 x 3 / 1 104 x 104 x 64
8 res 5 104 x 104 x 128
9 conv 64 1 x 1 / 1 104 x 104 x 128
10 conv 128 3 x 3 / 1 104 x 104 x 64
11 res 8 104 x 104 x 128
12 conv 256 3 x 3 / 2 104 x 104 x 128
13 conv 128 1 x 1 / 1 52 x 52 x 256
14 conv 256 3 x 3 / 1 52 x 52 x 128
15 res 12 52 x 52 x 256
16 conv 128 1 x 1 / 1 52 x 52 x 256
17 conv 256 3 x 3 / 1 52 x 52 x 128
18 res 15 52 x 52 x 256
19 conv 128 1 x 1 / 1 52 x 52 x 256
20 conv 256 3 x 3 / 1 52 x 52 x 128
21 res 18 52 x 52 x 256
22 conv 128 1 x 1 / 1 52 x 52 x 256
23 conv 256 3 x 3 / 1 52 x 52 x 128
24 res 21 52 x 52 x 256
25 conv 128 1 x 1 / 1 52 x 52 x 256
26 conv 256 3 x 3 / 1 52 x 52 x 128
27 res 24 52 x 52 x 256
28 conv 128 1 x 1 / 1 52 x 52 x 256
29 conv 256 3 x 3 / 1 52 x 52 x 128
30 res 27 52 x 52 x 256
31 conv 128 1 x 1 / 1 52 x 52 x 256
32 conv 256 3 x 3 / 1 52 x 52 x 128
33 res 30 52 x 52 x 256
34 conv 128 1 x 1 / 1 52 x 52 x 256
35 conv 256 3 x 3 / 1 52 x 52 x 128
36 res 33 52 x 52 x 256
37 conv 512 3 x 3 / 2 52 x 52 x 256
38 conv 256 1 x 1 / 1 26 x 26 x 512
39 conv 512 3 x 3 / 1 26 x 26 x 256
40 res 37 26 x 26 x 512
41 conv 256 1 x 1 / 1 26 x 26 x 512
42 conv 512 3 x 3 / 1 26 x 26 x 256
43 res 40 26 x 26 x 512
44 conv 256 1 x 1 / 1 26 x 26 x 512
45 conv 512 3 x 3 / 1 26 x 26 x 256
46 res 43 26 x 26 x 512
47 conv 256 1 x 1 / 1 26 x 26 x 512
48 conv 512 3 x 3 / 1 26 x 26 x 256
49 res 46 26 x 26 x 512
50 conv 256 1 x 1 / 1 26 x 26 x 512
51 conv 512 3 x 3 / 1 26 x 26 x 256
52 res 49 26 x 26 x 512
53 conv 256 1 x 1 / 1 26 x 26 x 512
54 conv 512 3 x 3 / 1 26 x 26 x 256
55 res 52 26 x 26 x 512
56 conv 256 1 x 1 / 1 26 x 26 x 512
57 conv 512 3 x 3 / 1 26 x 26 x 256
58 res 55 26 x 26 x 512
59 conv 256 1 x 1 / 1 26 x 26 x 512
60 conv 512 3 x 3 / 1 26 x 26 x 256
61 res 58 26 x 26 x 512
62 conv 1024 3 x 3 / 2 26 x 26 x 512
63 conv 512 1 x 1 / 1 13 x 13 x1024
64 conv 1024 3 x 3 / 1 13 x 13 x 512
65 res 62 13 x 13 x1024
66 conv 512 1 x 1 / 1 13 x 13 x1024
67 conv 1024 3 x 3 / 1 13 x 13 x 512
68 res 65 13 x 13 x1024
69 conv 512 1 x 1 / 1 13 x 13 x1024
70 conv 1024 3 x 3 / 1 13 x 13 x 512
71 res 68 13 x 13 x1024
72 conv 512 1 x 1 / 1 13 x 13 x1024
73 conv 1024 3 x 3 / 1 13 x 13 x 512
74 res 71 13 x 13 x1024
75 conv 512 1 x 1 / 1 13 x 13 x1024
76 conv 1024 3 x 3 / 1 13 x 13 x 512
77 conv 512 1 x 1 / 1 13 x 13 x1024
78 conv 1024 3 x 3 / 1 13 x 13 x 512
79 conv 512 1 x 1 / 1 13 x 13 x1024
80 conv 1024 3 x 3 / 1 13 x 13 x 512
81 conv 255 1 x 1 / 1 13 x 13 x1024
82 detection
83 route 79
84 conv 256 1 x 1 / 1 13 x 13 x 512
85 upsample 2x 13 x 13 x 256
86 route 85 61
87 conv 256 1 x 1 / 1 26 x 26 x 768
88 conv 512 3 x 3 / 1 26 x 26 x 256
89 conv 256 1 x 1 / 1 26 x 26 x 512
90 conv 512 3 x 3 / 1 26 x 26 x 256
91 conv 256 1 x 1 / 1 26 x 26 x 512
92 conv 512 3 x 3 / 1 26 x 26 x 256
93 conv 255 1 x 1 / 1 26 x 26 x 512
94 detection
95 route 91
96 conv 128 1 x 1 / 1 26 x 26 x 256
97 upsample 2x 26 x 26 x 128
98 route 97 36
99 conv 128 1 x 1 / 1 52 x 52 x 384
100 conv 256 3 x 3 / 1 52 x 52 x 128
101 conv 128 1 x 1 / 1 52 x 52 x 256
102 conv 256 3 x 3 / 1 52 x 52 x 128
103 conv 128 1 x 1 / 1 52 x 52 x 256
104 conv 256 3 x 3 / 1 52 x 52 x 128
105 conv 255 1 x 1 / 1 52 x 52 x 256
106 detection

2.改良点

・Softmax関数のを廃止
softmax関数の代わりにロジスティック回帰を用いて精度向上
・異なるスケールに対応
SSDの構造に似ていて,特徴マップと,それ以降の特徴マップをアップサンプリングしてマージすることによって意味のある特徴マップを作成する.
・勾配の消失に対する対策
ResNet構造を使用し,勾配の消失を防いでいる.

3.カメラ画像から検出する

yolo6.JPG
〇リオカートはモーターバイクか

yolo2.JPG
信号灯も検出できてる.

yolo4.JPG
人が多すぎて一色単にされている.

動画から検出
yolov3=2.gif

320だと10fps
608だと5fpsくらいですね.(GTX1080×1)

# 3.終わりに
https://github.com/qqwweee/keras-yolo3

研究者の方⇒PullRequest大歓迎です!
*企業の方⇒お仕事待ってます!*

4.参考

https://pjreddie.com/darknet/yolo/
https://pjreddie.com/media/files/papers/YOLOv3.pdf
https://qiita.com/yampy/items/7a705acf4c6899bc11c7

5.GTC2018でデモブース出してきた

とある企業様からお仕事を頂きまして~
yolo.gif

39
43
15

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
39
43

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?