- NGCから学習済みモデルをダウンロードする方法
- ナンバープレート検出モデル(LPDNet)の動かし方
NGC(NVIDIA GPU CLOUD)で提供されているTLT(Transfer Learning Toolkit)の学習済みモデルを使ってみました。
今回はLPDNetモデルを使ってナンバープレートを検出しています。
以下環境で動作確認を行いました。
TLTの環境構築手順は以下の記事にまとまっています。
FaceDetectモデルの概要
LPDNetモデルは車のナンバープレートを検出するように事前学習されたDeepLeraningのモデルで、NGC(NVIDIA GPU CLOUD)からダウンロードすることができます。
モデルには2種類あり、アメリカのナンバープレートを検出するモデルと中国のナンバープレートを検出するモデルとなります。
今回はアメリカのナンバープレートを検出するモデルを使ってみました。
モデルの概要は以下の通りです。
モデルタイプ | 検出型 |
ラベル | 1クラス
|
入力 | 640 X 480 X 3 |
出力 | ナンバープレートをバウンディングボックスで囲む |
モデルの構造 | NVIDIADetectNet_v2 ResNet18 |
モデルロードキー | nvidia_tlt |
ディレクトリ構成
以下のディレクトリ構成で推論を行いました。
├ data/ ├ number_plate/ # $DATA_DOWNLOAD_DIR ├ LPDNet/ ├ infer_pretrained_model_LicensePlateDetection.ipynb # 実行するソースコード ├ specs/ # $SPECS_DIR │ ├ lpdnet_inference_tlt.txt # 推論に関する設定ファイル ├ tlt-experiments/ # $USER_EXPERIMENT_DIR │ ├ pretrained_LPDNet # 学習済みモデル │ ├ tlt_infer_LPDNet # 推論結果出力先
推論用のコンフィグファイルを作成
TLTでの推論にはコンフィグファイルが必要になるので、予め作っておきましょう。
今回作ったファイル(lpdnet_inference_tlt.txt)はこちらです。
inferencer_config{ # defining target class names for the experiment. # Note: This must be mentioned in order of the networks classes. target_classes: "LPD" # Inference dimensions. image_width: 640 image_height: 480 # Must match what the model was trained for. image_channels: 3 batch_size: 16 gpu_index: 0 # model handler config tlt_config{ model: "/workspace/work/git/DeepLearning/tlt/LPDNet/tlt-experiments/pretrained_LPDNet/tlt_lpdnet_vunpruned_v1.0/usa_unpruned.tlt" } } bbox_handler_config{ kitti_dump: true disable_overlay: false overlay_linewidth: 2 classwise_bbox_handler_config{ key:"LPD" value: { confidence_model: "aggregate_cov" output_map: "LPD" confidence_threshold: 0.005 bbox_color{ R: 0 G: 255 B: 0 } clustering_config{ coverage_threshold: 0.00 dbscan_eps: 0.3 dbscan_min_samples: 0.005 minimum_bounding_box_height: 4 } } } }
各パラメータの意味については以下の記事にまとめてあります。
顔検出をやってみる
それではLPDNetモデルを使って顔検出をしてみましょう。
環境変数の設定
まずは環境変数を設定をします。
model_name = "LPDNet"
%env model_name=$model_name
%env KEY=nvidia_tlt
%env USER_EXPERIMENT_DIR=/workspace/work/git/DeepLearning/tlt/$model_name/tlt-experiments
%env DATA_DOWNLOAD_DIR=/workspace/work/data/number_plate
%env SPECS_DIR=/workspace/work/git/DeepLearning/tlt/$model_name/specs
%env NUM_GPUS=1
変数はそれぞれ以下の意味を持ちます。
- KEY : モデルロードキー
- USER_EXPERIMENT_DIR : 生成ファイルの出力先
- DATA_DOWNLOAD_DIR : 画像データの配置場所
- SPECS_DIR : 設定ファイルの配置場所
model_nameはディレクトリの命名に使うために作成した変数なので、重要な意味はありません。
モデルをダウンロードする
学習済みモデルのLPDNetをダウンロードします。
まずはtltのモデル一覧を表示します。
# ダウンロードできるモデルの一覧を表示
!ngc registry model list nvidia/tlt_*
facenetを見つけたので、モデルのバージョン一覧を表示します。
# ダウンロードできるモデルのバージョン一覧を表示
!ngc registry model list nvidia/tlt_lpdnet:*
ダウンロード先のディレクトリを作成しておきます。
# 学習済みモデルのダウンロード先を作成
!mkdir -p $USER_EXPERIMENT_DIR/pretrained_$model_name/
モデルをダウンロードします。
# NGCから学習済みモデルをダウンロード
!ngc registry model download-version nvidia/tlt_facenet:trainable_v1.0 \
--dest $USER_EXPERIMENT_DIR/pretrained_facedetect/
モデルがちゃんとダウンロードできていることを確認しましょう。
# ダウンロードしたモデルの確認
!ls -rlt $USER_EXPERIMENT_DIR/pretrained_LPDNet/tlt_lpdnet_vunpruned_v1.0
tlt_facenet_vtrainable_v1.0ディレクトリ配下に中国用のモデルccpd_unpruned.tltとアメリカ用のモデルusa_unpruned.tltがダウンロードできていることが確認できました。
ccpd_unpruned.tlt usa_unpruned.tlt
推論の実行
推論したい画像ファイルを $DATA_DOWNLOAD_DIR/の中に入れておきましょう。
まずはテストデータを確認します。
# テストデータの確認
! ls $DATA_DOWNLOAD_DIR/
テストデータがあることを確認したら、いよいよ推論です。
# 推論の実行
!tlt-infer detectnet_v2 -e $SPECS_DIR/lpdnet_inference_tlt.txt \
-o $USER_EXPERIMENT_DIR/tlt_infer_$model_name \
-i $DATA_DOWNLOAD_DIR/ \
-k $KEY
推論が完了したらImference completeと表示されます。
[INFO] iva.detectnet_v2.scripts.inference: Inference complete
出力結果は2種類作成されます。
- images_annotated : 検出枠のついた画像
- labels : 検出枠の座標データ
ちゃんとファイルが作られていることを確認します。
# 出力の確認
!ls $USER_EXPERIMENT_DIR/tlt_infer_$model_name
!ls $USER_EXPERIMENT_DIR/tlt_infer_$model_name/images_annotated
検出枠が正しく表示されていることも確認しておきましょう。
まずは指定した画像を表示する関数を作成します。
# Simple grid visualizer
%matplotlib inline
import matplotlib.pyplot as plt
import os
from math import ceil
valid_image_ext = ['.jpg', '.png', '.jpeg', '.ppm']
def visualize_images(image_dir, num_cols=4, num_images=10):
output_path = os.path.join(os.environ['USER_EXPERIMENT_DIR'], image_dir)
num_rows = int(ceil(float(num_images) / float(num_cols)))
f, axarr = plt.subplots(num_rows, num_cols, figsize=[80,40])
f.tight_layout()
a = [os.path.join(output_path, image) for image in os.listdir(output_path)
if os.path.splitext(image)[1].lower() in valid_image_ext]
for idx, img_path in enumerate(a[:num_images]):
col_id = idx % num_cols
row_id = idx // num_cols
img = plt.imread(img_path)
axarr[row_id, col_id].imshow(img)
検出結果を12枚表示してみます。
OUTPUT_PATH = "tlt_infer_" + model_name + "/images_annotated" # relative path from $USER_EXPERIMENT_DIR.
COLS = 3 # number of columns in the visualizer grid.
IMAGES = 12 # number of images to visualize.
visualize_images(OUTPUT_PATH, num_cols=COLS, num_images=IMAGES)
今回は車の写真をテストデータとして使用しました
アメリカの車のナンバープレートをきちんと検出できています。
日本のナンバープレートでも試したところ検出できていました。
まとめ
NGC(NVIDIA GPU CLOUD)で提供されている学習済みのナンバープレート検出モデルを使ってみました。
ナンバープレートのような個人情報に紐づくものは、検出してモザイク処理をするために使われることが多いです。
提供されているモデルはある程度の精度は担保されていて、動かすだけなのでとりあえずAIを動かしてみたい人には便利ですね。
あらゆる企業から学習済みモデルは沢山公開されているので、ぜひ使ってみてください。
コメント
infer_pretrained_model_LicensePlateDetection.ipynbコードは公開しておりますか?
申し訳ありませんが、コードの公開はしておりません。
「infer_pretrained_model_LicensePlateDetection.ipynb」は、この記事に記載しているソースコードを全て繋げたものとなります。