Skip to main content

Edge ImpulseとreTerminal DMを使用した物体検出

note

この文書は AI によって翻訳されています。内容に不正確な点や改善すべき点がございましたら、文書下部のコメント欄または以下の Issue ページにてご報告ください。
https://github.com/Seeed-Studio/wiki-documents/issues

pir

はじめに​

今日のデジタル環境では、エッジAIとIoT（モノのインターネット）技術の統合により、開発者や愛好家にとってエキサイティングな可能性が広がっています。エッジデバイス向けの機械学習モデルの作成を簡素化する強力なプラットフォームの1つがEdge Impulseです。このステップバイステップガイドでは、reTerminal DMデバイスにEdge Impulseをインストールし、ローカルの物体検出ソリューションを作成するプロセスを説明します。

学べること:

  • reTerminal DMに必要な依存関係のインストール。
  • プロジェクト用のNode.jsとnpmのセットアップ。
  • Edge Impulse Linux CLIツールのデプロイ。
  • Edge Impulse内で物体検出モデルを作成およびトレーニング。
  • reTerminal DMデバイス上でモデルをローカルにデプロイおよびテスト。

このガイドを終える頃には、Edge Impulseの力を活用してreTerminal DMのようなエッジデバイスで物体検出を行う方法を実践的に理解できるようになります。それでは、ローカルAI駆動の物体検出のエキサイティングな世界を探求してみましょう！

ハードウェア準備​

reTerminal DM
今すぐ購入 🖱️

Edge Impulse​

pir

Edge Impulseは、マイクロコントローラーや組み込みシステムなどのエッジデバイス向けに機械学習モデルの開発を簡素化することを目的とした多用途なプラットフォームです。この包括的なソリューションは、データ収集、前処理、モデルトレーニング、デプロイメント、モニタリングを統一された環境内で簡素化します。その際立った特徴の1つは、ユーザーがデータを簡単に収集およびラベル付けできる使いやすいインターフェースを提供し、効率的なモデル開発のための事前構築された信号処理ブロックと機械学習アルゴリズムのライブラリを提供する点です。Edge Impulseは、リソースが限られたエッジデバイスでの最適な推論性能を実現するよう設計されており、継続的なインターネット接続に依存せずリアルタイム処理を可能にします。また、幅広い人気のあるハードウェアプラットフォームとのシームレスな統合により、開発者がモデルを簡単にデプロイできるようにしています。

ソフトウェア準備​

公式ウェブサイトから最新バージョンのRaspberry Pi 64ビットOSをインストールすることをお勧めします。新しいRaspbian OSをインストールしたい場合は、このガイドに記載されている手順に従ってください。

note

reTerminal DM（カメラ＆PoE付き）を使用していない場合で、Raspberry Piカメラをセットアップしたい場合は、このガイドに記載されている手順に従ってください。

Edge Impulseアカウントが必要ですので、このリンクから作成してください。デフォルトで初期プロジェクトが作成されます。

reTerminal DM デバイスに依存関係をインストールする​

このデバイスを Edge Impulse にセットアップするには、以下のコマンドを一つずつ実行してください

sudo apt update
curl -sL https://deb.nodesource.com/setup_12.x | sudo bash -
sudo apt install -y gcc g++ make build-essential nodejs sox gstreamer1.0-tools gstreamer1.0-plugins-good gstreamer1.0-plugins-base gstreamer1.0-plugins-base-apps
npm config set user root && sudo npm install edge-impulse-linux -g --unsafe-perm

Edge Impulse への接続​

ソフトウェアのセットアップが完了したら、カメラまたはマイクを reTerminal DM に接続してください。Edge Impulse アカウントにリンクされたメールアドレス、パスワード、およびデバイス名を入力する必要があります。

edge-impulse-linux

デバイスが接続されていることの確認​

これで完了です！ デバイスは Edge Impulse に接続されました。これを確認するには、Edge Impulse プロジェクトに移動し、「Devices」をクリックしてください。ここにデバイスが表示されます。

オブジェクトを検出する​

データセットの構築​

接続された Raspberry Pi カメラから直接 reTerminal DM を通じてデータを収集するか、ローカルストレージから事前に収集したデータをアップロードすることができます。

「Camera」をセンサーとして選択し、ラベル名を入力することで、データサンプリングプロセスを開始できます。

データのラベリング​

収集したすべての画像は「ラベリングキュー」にステージングされます。オブジェクトのラベリングは、オブジェクトの周りにボックスをドラッグし、ラベルを入力するだけで簡単に行えます。その後、「Save Label」をクリックしてください。

データセットの再バランス調整​

モデルの有効性を検証するには、データの一部（通常は約20%）を「テストセット」として予約することが重要です。このデータはモデルのトレーニング中には使用せず、検証のみに使用します。「Data collected」ウィジェットの上にある2つのボタンを使用して、トレーニングセットとテストセットを簡単に切り替えることができます。開発ボードでデータを収集し、現在テストセットにデータがない場合は、Dashboard > Perform train/test split に移動して解決できます。

インパルスの作成​

このチュートリアルでは96x96の画像を使用していますが、Edge Impulse は画像が正方形であれば他の解像度にも対応しています。これを設定するには、以下の手順に従ってください。まず、Create Impulse に移動し、image width と image height を希望の寸法（例：96、160、320など）に設定します。次に、resize mode として Fit shortest axis を選択し、Images と Object Detection (Images) ブロックを追加します。最後に Save Impulse をクリックして設定を適用します。

特徴量生成​

このステップでは、以下のタスクを実行します：

  • データをすべてリサイズする。
  • 処理ブロックをデータセット全体に適用する。
  • データセット全体の3Dビジュアライゼーションを生成する。
  • 「Generate features」をクリックしてプロセスを開始する。

その後、「Feature explorer」が読み込まれます。この Feature explorer は、データセット内のすべてのデータのプロットを表します。画像には多くの次元があるため、可視化する前に「次元削減」という手法をデータセットに適用します。

トレーニング​

Object Detection タブ内で、データセットをトレーニングするオプションがあります。これを行うには、特定のパラメータを設定し、使用するモデルを選択する必要があります。このチュートリアルでは、FOMO モデルを選択しています。このモデルは、リソース制約のあるデバイスでオブジェクト検出モデルを実行するための革新的なアプローチを提供します。FOMO は、リアルタイムのオブジェクト検出、追跡、およびカウント機能をマイクロコントローラーに提供し、重要なマイルストーンを達成しています。特に、FOMO は MobileNet SSD よりも30倍高速で、200K以下のRAMで動作可能です。

トレーニングプロセスが完了すると、以下のような混同行列が表示されます。

モデルの検証​

モデルがトレーニングされたので、テストデータを使用してテストしてみましょう。データ収集時に、データセットをトレーニング用とテスト用に分割しました。モデルはトレーニングデータのみでトレーニングされました。そのため、テストデータセットを使用して、モデルが実際のシナリオでどれだけ効果的に動作するかを評価できます。この検証ステップは、トレーニングデータに過学習していないことを確認するために重要です。モデルを検証するには、Model Testing に移動し、Classify all を選択してください。

reTerminal DM デバイスでモデルを実行する​

新しい空のターミナルで以下のコマンドを実行してください。

edge-impulse-linux-runner

この操作により、モデルがビルドされ、ダウンロードされます。その後、reTerminal DM 上で実行されます。同じネットワーク上にいる場合、カメラフィードのライブビューを確認し、reTerminal DM から直接分類結果を確認できます。デバイスが提案する URL にアクセスしてください。

カメラのフィードとライブ分類をブラウザで確認したいですか？ http://192.168.8.117:4912 にアクセスしてください。

結論​

結論として、reTerminal DM と Edge Impulse のシームレスな統合により、開発者はエッジ AI の可能性を最大限に引き出すことができます。堅牢なハードウェアと多用途な機能を備えた reTerminal DM は、リアルタイムの物体検出ソリューションを実行するための優れたプラットフォームとして機能します。一方、Edge Impulse はリソースが限られたデバイス上での機械学習モデルの作成と展開を簡素化し、この組み合わせにより可能性は無限大となります。IoT アプリケーション、ロボティクス、または効率的なオンデバイス AI を必要とするプロジェクトに取り組む際、この reTerminal DM と Edge Impulse の強力なシナジーは、テクノロジーの最前線での革新の世界を切り開きます。

技術サポート

弊社製品をお選びいただきありがとうございます！お客様が弊社製品をスムーズにご利用いただけるよう、さまざまなサポートをご用意しております。異なる好みやニーズに対応するため、いくつかのコミュニケーションチャネルを提供しています。

Loading Comments...