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
・Qiitaで公開して下さっている記事
※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。
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】
【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。