- 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
-
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。
- 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
- 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>
- 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。