AI | Pythonアカデミア

【2024年最新】yolov9をGoogle Colaboratory上で試してみた

Pythonアカデミア — Sat, 30 Mar 2024 15:40:21 +0000

2024年２月にyolov9が発表されました。yolov8の発表が2023年1月だったので、約1年ぶりの更新です。本記事ではyolov9を使った物体検出をGoogle Colaboratory上で実装していきます。

yolov9について

今回発表されたyolov9の精度は以下のようになります。

https://github.com/WongKinYiu/yolov9/blob/main/README.md

MS COCOとは、Microsoftが提供しているデータセットです。また、AP(Average Precision)とは物体検出の評価指標としてよく使われるもので、100％に近づくほど良いです。つまり、過去に発表されたモデルよりも高いパフォーマンスを示していることが分かります。

またモデルは以下の通りです。

Model	Test Size	AP^val	AP₅₀^val	AP₇₅^val	Param.	FLOPs
YOLOv9-T	640	38.3%	53.1%	41.3%	2.0M	7.7G
YOLOv9-S	640	46.8%	63.4%	50.7%	7.1M	26.4G
YOLOv9-M	640	51.4%	68.1%	56.1%	20.0M	76.3G
YOLOv9-C	640	53.0%	70.2%	57.8%	25.3M	102.1G
YOLOv9-E	640	55.6%	72.8%	60.6%	57.3M	189.0G

https://github.com/WongKinYiu/yolov9/blob/main/README.md

yolov9の論文はarXivに公開されています。

arXiv（アーカイヴ、archiveと同じ発音）は、物理学、数学、計算機科学、数量生物学（英語版）、数量ファイナンス、統計学、電子工学・システム科学、経済学の、プレプリントを含む様々な論文が保存・公開されているウェブサイトである。
引用：Wikipedia

yolov9を使ってみる

Google Colaboratory上でyolov9を使ってみます。

ランタイムをGPUに変更します。

コードは以下の通りです。

先頭に！をつけるとshellのコマンドを実行できます。

2023年3月時点、yolov9/utils/general.pyの903行目prediction = prediction[0]をprediction = prediction[0][1]とする必要があります。

詳しくはIssuesをご確認ください。

たったの５行で物体検出ができました。

まとめ

yolov9を使って物体検出を行いました。Google Colaboratoryを使うと簡単に実装できるので興味のある方は是非お試しください。

【図解】Python 基礎文法の教科書を執筆しました！

本書は、これからPythonを学ぶ方や初学者の方でも無理なく勉強を進められるように、図解や画像を豊富に使って説明をしています。

内容はPythonチュートリアル（公式のドキュメント）に準拠しているため、理解必須の部分をこの1冊ですべて網羅することができます。

・エンジニアを目指したい
・プログラミングを1から習得したい
・リスキリングしてスキルアップしたい

そんな方は是非ご活用ください。

【図解】Python 基礎文法の教科書

本書は、これからPythonを学ぶ方や初学者の方でも無理なく勉強を進められるように、図解や画像を豊富に使って説明をしています。内容はPythonチュートリアル（公式のドキュメント）に準拠しているため、理解必須の部分をこの1冊ですべて網羅することができます。・プログラミング

【Whisper】Pythonで簡単に文字起こしをしよう

Pythonアカデミア — Fri, 03 Nov 2023 22:10:06 +0000

この記事ではwhisperの基本的な使い方を解説します。
whisperを活用することで、Pythonで音声認識アプリの作成ができるようになります。
基礎的なコード例を交えてwhisperの基本を習得しましょう。

whisperとは

whisperとは、OpenAIが開発している汎用的な音声認識モデルです。WEBから収集した68万時間分の音声データを学習しており、多言語の文字起こしと、英語への翻訳ができます。

字幕作成、議事録作成、同時翻訳など幅広い用途に利用できます。

下の図は、whisperの論文中に示されているアーキテクチャです。
ChatGPTやBERTなどと同じで、Transformerがベースとなっています。

https://github.com/openai/whisper より引用

基本的な使い方

Google Colabratoryを使ってWhisperによる文字起こしを行います。

Google ColabratoryはGPUが使用できるため、ランタイムをNoneからGPUに変更します。

Googleドライブをマウントします。

コードを実行すると以下の画面が表示されるので、Googleドライブに接続を選択します。

アカウントを選択します。

画面をスクロールして許可を選択します。

Googleドライブをマウントできたらgithubよりwhisperをインストールします。

インストールできたら以下のコードを実行します。

このコードによって選択した音声データの文字起こしができます。

今回は”base”モデルを使用していますが、whisperには５つのモデルサイズが用意されています。サイズが大きくなるほど精度が高くなりますが、必要なvram(GPUメモリ)も増えます。

https://github.com/openai/whisper より引用

翻訳したい場合は、model.transcribeの引数にtask=”translate”を追加します。

実際に使ってみました

yt-dlpとwhisperを使ったYouTube動画の文字起こし

yt-dlpとwhisperを使ってYouTube動画の文字起こしを行います。yt-dlpとは、YouTubeから動画をダウンロードするツールです。whisperとは、OpenAIが開発している汎用的な音声認識モデルです。WEBから収...

【ソースコード】
yt-dlp_whisper.ipynb

まとめ

whisperの基本的な使い方を解説しました。同時翻訳アプリや議事録作成アプリを作成したい方は是非試してみてください。

Python 基礎文法の教科書を執筆しました！

【図解】Python 基礎文法の教科書

【機械学習超入門】あやめの分類をしてみよう

Pythonアカデミア — Wed, 01 Nov 2023 21:53:30 +0000

本記事では、機械学習入門におすすめのライブラリscikit-learnを使って、あやめの分類を行います。機械学習の概要から、scikit-learnの基本的な使用法を学びましょう。

機械学習とは

機械学習とは、簡単に言うとコンピュータに学習能力を持たせる技術です。大きく分けて3つの学習方法があります。

教師あり学習: ラベル付きデータから学習する手法(分類、回帰など)
教師なし学習: ラベルなしデータから知識を獲得する手法(クラスタリングなど)
強化学習: 試行錯誤から最適な行動を学ぶ手法

用途に応じて適切な手法を選択することが重要です。

機械学習は画像認識、音声解析、検索、広告配信など幅広い分野で応用されています。

また、同時にAIや深層学習（ディープラーニング）なども耳にするかと思いますが、以下のようにAI ⊃ 機械学習 ⊃ 深層学習という包含関係にあります。

ざっくり言うと、人間の思考と同じような形で動作するプログラムをAIと言い、特定のタスク（分析の方向性が明確）に対して予測できるのが機械学習で、より複雑なデータも処理できるのが深層学習です。

ただし深層学習は機械学習に比べ、学習に要する時間やデータは多くなります。

あやめの分類をしてみよう

あやめの分類はその名の通り分類なので、教師あり学習で行います。
以下がイメージです。

※同じ写真ばかりですが、実際は様々なデータを与えることになります。

実行環境はGoogle Colabratoryになります。

はじめに、アヤメのデータセットをダウンロードし、pandasを使って整形します。
pandasとは、表形式を扱うライブラリになります。

整形ができたら、学習用とテスト用にデータを分けます。

出力結果の例になります。

次に学習用のデータを使ってモデルを作成（model.fit）します。今回はサポートベクトルマシンというアルゴリズムを使用します。

テスト用のデータを使って推論（model.predict）を行います。

predの中身を見てみると、

となっています。y_testが以下のようになるため、

正答率が、14/15＝0.93333…ということが分かります。

まとめ

scikit-learnは機械学習入門に適したライブラリです。基礎的な使用法を習得して実践的な機械学習にチャレンジしましょう。

関連記事
【Python】Pandasだけでグラフを作成する方法

2023年10月追記

ExcelにPythonが搭載された(Python in Excel)ので、こちらでもあやめの分類をしてみました。

Python 基礎文法の教科書を執筆しました！

【図解】Python 基礎文法の教科書

【リアルタイムで物体検出】yolov8をanaconda環境でサクッと動かす

Pythonアカデミア — Tue, 24 Oct 2023 21:51:05 +0000

yoloを使ってリアルタイムの物体検知を行います。

“yolo” とは、コンピュータビジョン（コンピュータが画像情報から必要な情報を取り出す技術）におけるアルゴリズムの名前です。
また、「You Only Look Once（一度しか見ない）」 の頭文字を取ったものになります。

今回はそのyoloの中でも2023年1月に発表されたv8を使用しますが、現在公開されている中で一番最新のものになります。

追記
2024年２月にyolov9が発表されました。
【2024年最新】yolov9をGoogle Colaboratory上で試してみた

Ultralytics YOLOv8 は、以前の YOLO バージョンの成功に基づいて構築され、パフォーマンスと柔軟性をさらに高めるための新機能と改善が導入された最先端の最先端 (SOTA) モデルです。 YOLOv8 は、高速、正確、そして使いやすいように設計されており、幅広いオブジェクトの検出と追跡、インスタンスのセグメンテーション、画像分類、姿勢推定タスクに最適です。
https://github.com/ultralytics/ultralytics より引用

https://github.com/ultralytics/ultralytics より引用

動画で確認をしたい方はこちら

YouTubeに動画をあげています。動画で流れを確認したい方はこちらをご活用ください。

動作環境

Windows11(64bit)
anaconda
python3.9

anacondaの環境構築がまだの方はこちら

AnacondaでPythonの環境構築をする

仮想環境を作成してログインする

Anaconda Promptを開いて仮想環境を作成し、ログインします。

yolov8を使う準備

作成した仮想環境でyolov8を使う準備をします。

cloneとはリポジトリ（ファイルやプログラムなどの保管場所）を自身のローカル環境にコピーすることをいいます。

gitのエラーが出る場合はconda install gitを実行してください。

実際に物体検出してみる

準備が完了したらWebカメラでリアルタイム検出を行います。

Pythonと入力して、Pythonを起動し以下のコードを実行します。

Webカメラが起動すれば成功です。

検出できる物体はGitHubに公開されています。

0: person
1: bicycle
2: car
3: motorcycle
4: airplane
5: bus
6: train
7: truck
8: boat
9: traffic light
10: fire hydrant
11: stop sign
12: parking meter
13: bench
14: bird
15: cat
16: dog
17: horse
18: sheep
19: cow
20: elephant
21: bear
22: zebra
23: giraffe
24: backpack
25: umbrella
26: handbag
27: tie
28: suitcase
29: frisbee
30: skis
31: snowboard
32: sports ball
33: kite
34: baseball bat
35: baseball glove
36: skateboard
37: surfboard
38: tennis racket
39: bottle
40: wine glass
41: cup
42: fork
43: knife
44: spoon
45: bowl
46: banana
47: apple
48: sandwich
49: orange
50: broccoli
51: carrot
52: hot dog
53: pizza
54: donut
55: cake
56: chair
57: couch
58: potted plant
59: bed
60: dining table
61: toilet
62: tv
63: laptop
64: mouse
65: remote
66: keyboard
67: cell phone
68: microwave
69: oven
70: toaster
71: sink
72: refrigerator
73: book
74: clock
75: vase
76: scissors
77: teddy bear
78: hair drier
79: toothbrush

https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/coco128.yaml より引用

リアルタイムの検出以外にも、画像ファイルや動画ファイルも指定することができます。

Source	Argument	Type	Notes
image	`'image.jpg'`	`str` or `Path`	Single image file.
URL	‘https://ultralytics.com/images/bus.jpg’	`str`	URL to an image.
screenshot	`'screen'`	`str`	Capture a screenshot.
PIL	`Image.open('im.jpg')`	`PIL.Image`	HWC format with RGB channels.
OpenCV	`cv2.imread('im.jpg')`	`np.ndarray`	HWC format with BGR channels `uint8 (0-255)`.
numpy	np.zeros((640,1280,3))	`np.ndarray`	HWC format with BGR channels `uint8 (0-255)`.
torch	`torch.zeros(16,3,320,640)`	`torch.Tensor`	BCHW format with RGB channels `float32 (0.0-1.0)`.
CSV	`'sources.csv'`	`str` or `Path`	CSV file containing paths to images, videos, or directories.
video ✅	`'video.mp4'`	`str` or `Path`	Video file in formats like MP4, AVI, etc.
directory ✅	`'path/'`	`str` or `Path`	Path to a directory containing images or videos.
glob ✅	`'path/*.jpg'`	`str`	Glob pattern to match multiple files. Use the `*` character as a wildcard.
YouTube ✅	`'https://youtu.be/LNwODJXcvt4'`	str	URL to a YouTube video.
stream ✅	`'rtsp://example.com/media.mp4'`	`str`	URL for streaming protocols such as RTSP, RTMP, TCP, or an IP address.
multi-stream ✅	`'list.streams'`	`str` or `Path`	`*.streams` text file with one stream URL per row, i.e. 8 streams will run at batch-size 8.

Ultralytics YOLOv8 Docs より引用

検出数を出力することもできます。

検出結果はultralytics\runs\detect\predictに保存されています。

まとめ

yolov8でリアルタイムの物体検知を行いました。anacodaの環境構築が終わっていれば10分程度で実装可能かと思います。
混雑状況の把握や在庫管理などに活用できると思いますので是非お試しください。

【図解】Python 基礎文法の教科書を執筆しました！

本書は、これからPythonを学ぶ方や初学者の方でも無理なく勉強を進められるように、図解や画像を豊富に使って説明をしています。

内容はPythonチュートリアル（公式のドキュメント）に準拠しているため、理解必須の部分をこの1冊ですべて網羅することができます。

・エンジニアを目指したい
・プログラミングを1から習得したい
・リスキリングしてスキルアップしたい

そんな方は是非ご活用ください。

【図解】Python 基礎文法の教科書