AI実装

Pythonを使ってオリジナル画像のセマンティックセグメンテーションを実装していこうと思います。今回はセマンティックセグメンテーションで代表的なモデルであるU-Netを使っていきます。画像枚数が少ないのでData Augmentationを活用していきます。

前の記事でつくったスナックエンドウYOLOv5モデルを改良し高精度化しました。改良の方針としてサンプル数増強、過学習ケア、アノテーション見直しをすることでmAP:0.8を達成しています。動画資料で効果確認を実施してます。

独自の画像データをつかったCNN学習を実行していこうと思います。独自データ（画像）の学習を設定し2種類の画像を分類するモデルをつくります。「機密情報を外部サーバへ置けない」「社内のアクセス制限で使えない」などの問題に対応するためローカルPCで実装していきます。

独自のデータを用いたYOLOv5の物体検出に挑戦していきます👍 前の記事でYOLOv3を使った物体検出を実行したのが面白かったので、YOLOv5でも物体検出やってみました。Windows10環境です。 今回は独自データをつかっ...

スナックエンドウの収穫がしんどいので物体検出で楽にしようというモチベーションで実施しています。前回は、YOLOv3の学習済みモデルでの動作確認まで実施しました。詳細は↓を見てください。 今回は、スナックエンドウの画像を実...

皆さんスナックエンドウって知っていますか？食べたことある人も多いと思います。皮まで食べられる枝豆みたいなやつ↓です。 突然ですが、この中に収穫できそうなスナックエンドウはいくつあると思いますか？実は4つくらいあるのですが、ぱ...