トップページ ▶ 人工知能，実世界DB ▶ 顔情報（顔検出，顔識別、表情判定，顔のクラスタリングや類似度や分類，肌色部分の抽出，瞳孔の検出，顔姿勢の推定） ▶ ディープラーニングで画像分類を行う．訓練データでの学習と確認を行う（Dlib, Dlib 付属の imglab を使用）（Windows 上）

サイトマップ

サイト内検索

用語集

アクセスログ

金子邦彦研究室

ディープラーニングで画像分類を行う．訓練データでの学習と確認を行う（Dlib, Dlib 付属の imglab を使用）（Windows 上）

前準備

Python のインストール，pip と setuptools の更新，Python 開発環境

• Windows での Python のインストール，pip と setuptools の更新: 別ページで説明している．（あとのトラブルが起きにくいような手順を定めている）
• Ubuntu の場合:

  システム Python を使うことができる（その場合，Python のインストールは行わない）

  システム Python を用いるときは，pip, setuptools の更新は次のコマンドで行う．

  sudo apt -y update
  sudo apt -y install python3-pip python3-setuptools
  

  Ubuntu で，システム Python 以外の Python をインストールしたい場合は pyenv が便利である: 別ページで説明している．

Python の URL: http://www.python.org/

Dlib のインストール

• Windows でのインストール手順は、 別ページで説明している．
• Ubuntu でのインストール手順は、 別ページで説明している．

cmake のインストール

cmake のダウンロード URL: https://cmake.org/download/

Python 用 numpy, scikit-image のインストール

Windows の場合

コマンドプロンプトを管理者として実行し，次のコマンドを実行．

python -m pip install -U numpy scikit-image

Ubuntu の場合

端末で，次のコマンドを実行．

sudo apt -y update
sudo apt -y install python3-numpy python3-skimage

imglab のインストール

前準備として、Windows のときは マイクロソフト C++ ビルドツール (Build Tools) のインストールが終わっていること

1. Windows で，コマンドプロンプトを管理者として実行する．
2. 次のコマンドを実行

   cd c:\dlib
   cd tools\imglab
   rmdir /s /q build
   mkdir build
   cd build
   cmake -G "Visual Studio 16 2019" -A x64 -T host=x64 ^
       -DCMAKE_INSTALL_PREFIX="c:\dlib" ..
   cmake --build . --config RELEASE 
   cmake --build . --config RELEASE --target INSTALL 
   

結果を確認．エラーメッセージが出ていないこと

imglab を使ってみる

1. 画像を数枚準備する
2. 準備した画像ファイルを，次のディレクトリに置く

   c:\dlib\tools\imglab\Release
   
3. 画像ファイルの準備が終わったら、 .xml 形式ファイルを作る．

   Windowsのコマンドプロンプトを開き、次のコマンドを実行．エラーメッセージが出ないことを確認．

   「.\imglab.exe -c mydata.xml .」は、.xml 形式ファイルを作るコマンド．ファイル名 mydata.xml は何でもよい

   C:
   cd c:\dlib\tools\imglab\Release
   .\imglab.exe -c mydata.xml .
   
4. 生成された .xml 形式ファイルをエディタなどで開き確認してみる．
5. imglab を起動してみる

   Windowsのコマンドプロンプトで、次のコマンドを実行．

   .\imglab.exe mydata.xml 
   

   imglab は，画像ビューワになっている

   • 複数の画像を簡単に表示できる機能がある。
   • ラベル（label）を編集する機能がある (Next Labelのところに書き込む)
   • 領域を指定する機能がある （シフトキー（SHIFT キー）を押しながら、マウスをドラッグ）
6. imglab で、領域を指定してみる

   シフトキー（SHIFT キー）を押しながら、マウスをドラッグ<
7. 保存する

   「File」→「Save」」と操作する
8. 確かに .xml形式ファイルに，結果が保存される

   指定した領域についての情報が保存される

Dlib を用いた学習

1. 教材ファイル Release.zip をダウンロード

   写真は https://ccphotosearch.com/ を利用して、クリエイティブコモンズのものを使用．領域指定は手作業で実施．

2. ダウンロードした Release.zip ファイルを展開（解凍）する．分かりやすいディレクトリに置く．

   ※ Windows での展開（解凍）のためのソフトには，「7-Zip」などがある．
3. 展開してできたファイルを、まるごと c:\dlib\tools\imglab\Release にコピー
4. Web ブラウザで training.xml を開いて、確認してみる

   14枚の画像について、 領域を指定済み

   Google Chrome ではうまく表示できない．下の図では Firefox での表示結果を示している．
5. imglab を起動して確認してみる

   Windowsのコマンドプロンプトで、次のコマンドを実行．

   C:
   cd c:\dlib\tools\imglab\Release
   .\imglab.exe training.xml
   
6. imglab を閉じる
7. 学習を行う（教師データの生成）
   ．

   最後の「.」を忘れないこと

   python c:\dlib\python_examples\train_object_detector.py .
   
8. 途中で、Enterキーを押して続行
9. 次のプログラムファイルを作り、 c:\dlib\tools\imglab\Release の下に hoge.py のようなファイル名で保存

   謝辞：http://tadaoyamaoka.hatenablog.com/entry/2016/09/21/184955　のものを参考に（少し変更して）使っています

   import os
   import sys
   import glob
   import dlib
   from skimage import io
   if len(sys.argv) != 2:
       exit()
   f = sys.argv[1]
   detector = dlib.simple_object_detector("detector.svm")
   win_det = dlib.image_window()
   win_det.set_image(detector)
   win = dlib.image_window()
   print("Processing file: {}".format(f))
   img = io.imread(f)
   dets = detector(img)
   print("Number of objects detected: {}".format(len(dets)))
   for k, d in enumerate(dets):
       print("Detection {}: Left: {} Top: {} Right: {} Bottom: {}".format(
           k, d.left(), d.top(), d.right(), d.bottom()))
   win.clear_overlay()
   win.set_image(img)
   win.add_overlay(dets)
   dlib.hit_enter_to_continue()
   

10. Windows のコマンドプロンプトを開く
11. プログラムの実行

    python hoge.py 5920652345_5be61ae940.jpg
    

    以上、学習と、画像分類を示した（上の犬の写真では、画像分類がうまくいっていない）

12. 学習に使う画像を増やすには

    .\imglab training.xml