ColaboratoryでChainer使ってYoloを動かす｜はやぶさの技術ノート

こんにちは。

コンピュータビジョン(『ロボットの眼』開発)が専門の”はやぶさ”@Cpp_Learningです。

本記事ではタイトルの通り『ColaboratoryでChainer使ってYoloを動かす』方法を分かりやすく説明します。

また、Twitterで「トラブルシュート付き『技術ノート』を作成しています」という内容のツイートをしたら、結構評判良かったので…

最近はJupyterでテキスト付きpythonコードを書くことが多い。コードでエラー出てもトラブルシュートを残したいので、あえてエラーが出るコードも残した「技術ノート」を作成し、社内で公開してる。

Jupyter + 技術ノート作成については"MyEnigma"様のサイトがオススメです。https://t.co/Kh5AzqkHaD

— はやぶさ (@Cpp_Learning) June 10, 2018

今回は本ブログの名に恥じない”はやぶさ”の技術ノートを公開したいと思います。

本記事では”Chainer”と”Yolo”については詳しく説明しません。文章が長くなって読むのが辛くなってしまうので…

Contents

1 Colaboratoryとは
2 Chainer・Yoloについて
- 2.1 Chainerとは
- 2.2 Yoloとは
3 ColaboratoryでChainer使ってYoloを動かす
4 ”はやぶさ”の技術ノート

Colaboratoryとは

Google Colaboratoryについては下記の記事で紹介しています。もし、Colaboratoryの使い方に不安のある人は、一度読んでみてから、本記事を読むと理解が早いと思います。

環境構築不要でPython入門！Google Colaboratoryの使い方を分かりやすく説明こんにちは。現役エンジニアの”はやぶさ”@Cpp_Learningです。という話しを聞く機会は多いと思います。他...

Chainer・Yoloについて

冒頭での述べた通り、”Chainer”と”Yolo”については詳しく説明しません。ただ、全く説明しないのも心苦しいので、少しだけ触れます。

Chainerとは

Chainerとは、国産の深層学習フレームワークです。慣れや好みもありますが、使いやすいのでChainer大好きです！（Kerasも大好きです！）

本記事ではChainerファミリのひとつで画像処理に特化したライブラリChainerCVも使ってYoloを動かします。

Yoloとは

Yoloとは、You Look Only Onseの略称でリアルタイム物体検出アルゴリズムの一つです。リアルタイムとあるように、速さが売りのアルゴリズムです。

Yolo公式サイトがちょっちアレなので、損してるとか…してないとか……。個人的には性能の良いYoloも個性的なサイトも大好きです。

ColaboratoryでChainer使ってYoloを動かす

以降から『ColaboratoryでChainer使ってYoloを動かす』の実践編を説明していきます。

環境構築

何をするにも、まずは環境構築から行います。Colaboratoryにアクセスし「Python 3の新しいノートブック」を作成します。

Colaboratory へようこそ

真っ新なノートブックのセルに下記のコードを書い実行しすると、必要なソフトをインストールできます。

!apt -y install libcusparse8.0 libnvrtc8.0 libnvtoolsext1
!ln -snf /usr/lib/x86_64-linux-gnu/libnvrtc-builtins.so.8.0 /usr/lib/x86_64-linux-gnu/libnvrtc-builtins.so
!pip install chainer
!pip install cupy-cuda80

ChainerCVインストール

今回はChainerCVも使いたいので、先ほど同様セルに以下のコードを書いてインストールします。

!pip install chainercv

これで環境構築完了です。

画像ファイルアップロード

Colaboratoryはオンライン実行環境なので、ローカルPCに保存したファイルを参照できません。そのため、Colaboratoryが参照できるようにテスト用の画像ファイルをアップロードしてあげます。

画像に限らず、ファイルのアップロードには以下のコードを使います。

from google.colab import files
uploaded = files.upload()

セルを実行すると「ファイル選択」ボタンが表示されるので、クリックしてアップロードしたいファイルを選択します。今回は「dog.jpg」をアップロードしました。

黄色□のようにSavingが表示されればOKです。

アップロードしたファイルは時間が経つと自動的に削除されるようです。ただ、一時的でもネット上にファイルを保存するため、ファイルの取り扱いには、お気をつけ下さい。

Yolo_Chainer.py 作成

ChainerでYoloを動かすSampleソースコードは、ChainerCV公式Githubから取得できます。ただし、パーサーを使用するため、Colaboratory(Jupyter Notebook)からは実行できません。

そのため、パーサー未使用になるように改良したコード（以降このコードをYolo_Chainer.pyと呼ぶ）をセルに書きます。

# import argparse
import matplotlib.pyplot as plt

import chainer

from chainercv.datasets import voc_bbox_label_names
from chainercv.links import YOLOv2
from chainercv.links import YOLOv3
from chainercv import utils
from chainercv.visualizations import vis_bbox


def main():
    '''
    parser = argparse.ArgumentParser()
    parser.add_argument(
        '--model', choices=('yolo_v2', 'yolo_v3'),
        default='yolo_v2')
    parser.add_argument('--gpu', type=int, default=-1)
    parser.add_argument('--pretrained-model', default='voc0712')
    parser.add_argument('image')
    args = parser.parse_args()
    
    if args.model == 'yolo_v2':
        model = YOLOv2(
            n_fg_class=len(voc_bbox_label_names),
            pretrained_model=args.pretrained_model)
    elif args.model == 'yolo_v3':
        model = YOLOv3(
            n_fg_class=len(voc_bbox_label_names),
            pretrained_model=args.pretrained_model)

    if args.gpu &gt;= 0:
        chainer.cuda.get_device_from_id(args.gpu).use()
        model.to_gpu()

    '''

    model = YOLOv3(
            n_fg_class=len(voc_bbox_label_names),
            pretrained_model = 'voc0712')
    
    gpu = 0 # GPU = 0, CPU = -1
    chainer.cuda.get_device_from_id(gpu).use()
    model.to_gpu()
    
    image = 'dog.jpg'
    img = utils.read_image(image, color=True)
    bboxes, labels, scores = model.predict([img])
    bbox, label, score = bboxes[0], labels[0], scores[0]

    vis_bbox(
        img, bbox, label, score, label_names=voc_bbox_label_names)
    plt.show()


if __name__ == '__main__':
    main()