OMMF2018参加に向けての準備②

OMMF2018の参加にあたって、当初はノートPCに環境を構築しようと考えていましたが、骨格認識(tf-opse-estimation)が実用レベルの速度で動作せず・・・

intel core i7 no GPU 環境で、0.8~1.3FPS程度・・・

 

GPU付きのPCを準備するのも費用的負担が大きく、良いものはないかと物色していたところ、Nvidia の組み込み向けボードJetsonに辿り着いたのでした。

 

環境構築と骨格認識(tf-opse-estimation)のインストールについてはQiitaとか色々検索していただけると、環境の構築は出来ると思います。

・マクニカのJetson TX2 開発環境インストールマニュアル

https://service.macnica.co.jp/article_files/125041/NVIDIA_Jetson_Development_Environment_install_manual_rev1.0__1.pdf

・Qiitaで公開して下さっている記事

qiita.com

※tf-openposeのインストール記事ですが、tf-pose-estimateionもインストール手順は同じです。

github.com

tf-openposeとtf-pose-estimateionの違いは・・・ごめんなさい、よくわかりません。
tf-pose-estimateionの方が処理速度が若干早い気がするのですが・・・

 

ただ、私の環境(Jetpac3.3 + Python3.5)では PyArrow がインストールされず、そのためtf-opse-estimationのインストール自体も失敗する状態でした。

自分でPyArrowを make 後、pythonインストール用のwheelを下記のサイトの手順で作成して、PyArrowをインストールしました。

https://wesm.github.io/arrow-site-test/docs/python/development.html

 

モデルに mobilenet を利用して、骨格認識時の画像を小さめにすることで、7.5~8.0FPS程度の速度で認識する事が出来ています。

 

 

OMMF2018参加に向けての準備①

去る2018/12/1、2に岐阜県大垣市で開催された Ogaki Mini Maker Faire 2018 参加にあたって、準備していった事をぽつりぽつりと書いてきます。

 

展示内容

・AI+IoT+ラジコン(自動車)と言うことで、参加してきました。

MN工作部 | Ogaki Mini Maker Faire 2018

 

・技術要素としては、以下の通り

【AI】

・骨格認識(tf-opse-estimation)

・画像分類(Keras VGG16 を利用した Fine-tuning)

【IoT】

Wi-fi接続したラジコンのコントロール

【ラジコン】

・クライアント側からの指示による車の動作

 

・システム

【AI・IoT部】

ハードウェア

Nvidia Jetson TX2 (+500GB SSD

【ラジコン】

①MKZ4(ESP-wroom-02)

②こまちタンク(ESP-wroom-32) ・・・ほぼ稼働せず・・・

 

課題も沢山でしたが、それは追々と言う事で。