PCでの環境準備

• 適当な手元のPCで以下のコマンドを実行し、必要なpythonモジュールをインストールして下さい。

python3 -m venv venv
source venv/bin/activate

pip install -r requirements.txt

データセット準備

• ノートブックに従い、カチャカ体内で必要なデータを取得して下さい。

• 手元のPCで アノテーションツールを立ち上げ、お好きなブラウザで http://localhost:5000/ でアクセスします(※ ポート被りがある場合はポート番号が変わります)。

git clone https://github.com/jsbroks/coco-annotator.git
cd coco-annotator && sudo docker-compose up

• ユーザー作成・ログイン後、データセットを１つ作成し、ノートブックで取得したデータを手元のPCにコピーして下さい。

scp -P 26500 kachaka@<カチャカのIPアドレス>:kachaka-api/python/demos/data/* coco-annotator/datasets/<作成したデータセットの名前>/

• アノテーションツールの使用方法に従い、バウンディングボックスのアノテーションを行って下さい。
• アノテーションが終了したらアノテーションファイルをエクスポートして下さい。
  • .exports以下にjsonが生成され、適切にエクスポートできていると内部に"annotations"フィールドが含まれています。

学習実行

• 以下のコマンドを実行すると転移学習が走ります。

./train.py --dataset <作成したデータセットへのパス> --epoch 100

評価

• 以下のコマンドを実行すると学習済モデルで推論が実行され、outdirで指定したディレクトリに結果画像が出力されます。

./eval.py --checkpoint latest_checkpoint.pt --indir <作成したデータセットへのパス> --outdir <出力ディレクトリ名>

学習済モデルをカチャカで実行

• 以下のコマンドでonnxファイルを出力します。

./create_onnx.py --checkpoint latest_checkpoint.pt --out predictor.onnx

• 生成されたonnxファイルをカチャカ体内に転送します。

scp -P 26500 predictor.onnx kachaka@<カチャカのIPアドレス>:kachaka-api/python/demos/

• カチャカ体内での推論実行方法は ノートブック をご覧下さい。