Edge ImpulseとreTerminalを使用したオブジェクト検出

はじめに

今日のデジタル環境において、エッジAIとIoT（Internet of Things）技術の統合により、開発者や愛好家にとって刺激的な可能性が開かれています。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一つがEdge Impulseです。このステップバイステップガイドでは、reTerminalデバイスにEdge Impulseをインストールし、ローカルオブジェクト検出ソリューションを作成するプロセスを説明します。

学習内容：

• reTerminal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内でのオブジェクト検出モデルの作成とトレーニング
• reTerminalデバイスでのモデルのローカルデプロイとテスト

このガイドを完了すると、reTerminalのようなエッジデバイスでオブジェクト検出にEdge Impulseの力を活用する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駆動オブジェクト検出の刺激的な世界を探索してみましょう！

ハードウェアの準備

reTerminal	Camera Module V1
Get One Now 🖱️	Get One Now 🖱️

Edge Impulse

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特化した機械学習モデルの開発を効率化することに特化した多機能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、モデル訓練、デプロイメント、監視を含む機械学習ワークフロー全体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一つは、ユーザーフレンドリーなインターフェースで、ユーザーが簡単にデータを収集・ラベル付けできるとともに、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します。Edge Impulseは、リソースに制約のある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することなくリアルタイム処理を保証します。さらに、幅広い人気の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強化されており、開発者が簡単にモデルをデプロイできるよう支援します。

ソフトウェアの準備

公式ウェブサイトから最新版の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、このガイドで説明されている手順に従ってください。

その後、Raspberry Piカメラを設定する必要があります。このガイドで説明されている手順に従ってください。

開始するにはEdge Impulseアカウントが必要ですので、このリンクにアクセスしてアカウントを作成してください。デフォルトで初期プロジェクトが作成されます。

reTerminalデバイスに依存関係をインストール

このデバイスをEdge Impulseで設定するには、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

すべてのソフトウェアがセットアップされたら、カメラまたはマイクをreTerminalに接続します。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提供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を確認する

以上です！これでデバイスが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。デバイスがここにリストされます。

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経由で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かを選択できます。

センサーとして「Camera」を選択し、ラベル名を提供することで、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「labeling queue」でアノテーション待ちとなります。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。

データセットのリバランス

モデルの有効性を検証するために、通常約20%のデータを「テストセット」として確保することが重要です。このデータはモデルの訓練中には使用せず、検証目的のみに使用します。「Data collected」ウィジェットの上にある2つのボタンを使用して、訓練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に移動することで解決できます。

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る限り、他の解像度も処理できることに注意してください。これを設定するには、次の手順に従ってください：まず、Create Impulseに移動し、image widthとimage heightを希望する寸法（例：96）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をクリックしてこれらの設定を適用します。

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：

• すべてのデータのサイズを変更する
• 処理ブロックをデータセット全体に適用する
• 完全なデータセットの3D可視化を生成する
• 「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。この特徴量エクスプローラーは、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。画像には多数の次元があるため、可視化する前にデータセットに「次元削減」と呼ばれる技術を使用します。

訓練

「Object Detection」タブ内で、データセットを訓練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、そのウェブサイトによると、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導入しています。FOMOは、マイクロコントローラーにリアルタイムオブジェクト検出、追跡、カウント機能をもたらす革新的なアルゴリズムであり、重要なマイルストーンを示しています。特に、FOMOはMobileNet SSDを30倍上回る驚くべき速度の優位性を誇り、200K未満のRAMで動作できます。

訓練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

モデルが訓練されたので、テストデータを使用してテストしてみましょう。データ収集中に、データセットを訓練用とテスト用のサブセットに分割しました。モデルは訓練データのみで訓練されました。したがって、テストデータセットを使用して、モデルが実世界のシナリオでどの程度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、一般的な問題であるモデルが訓練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デバイスでモデルを実行する

新しい空白のターミナルで以下のコマンドラインを実行してください。

edge-impulse-linux-runner

このアクションにより、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にアクセスし、reTerminalから直接分類結果を表示できます。デバイスが提案するURLにアクセスしてください。

Want to see a feed of the camera and live classification in your browser? Go to http://192.168.8.117:4912

結論

結論として、reTerminal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。reTerminalは、その堅牢なハードウェアと多様な機能により、リアルタイム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。リソース制約のあるデバイスでの機械学習モデルの作成と展開を簡素化するEdge Impulseと組み合わせることで、可能性は無限大になります。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を必要とするあらゆるプロジェクトに取り組んでいる場合でも、reTerminalとEdge Impulseの強力な相乗効果により、テクノロジーの最前線でイノベーションの世界が開かれます。

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！弊社製品での体験が可能な限りスムーズになるよう、さまざまなサポートを提供いたします。さまざまな好みやニーズに対応するため、複数のコミュニケーションチャネルを提供しています。