damenianch / kanp-ai Goto Github PK

apach2.0だったかな

愚直にjpgなりに動画から変換するとやばめ

軽いやつにする。
以下から選んで使ってみる
https://tfhub.dev/s?fine-tunable=yes&module-type=image-feature-vector&tf-version=tf2

train(, 一応valid), test のデータ分割をどうするか
今は全てtrainを使いまわし。train以下に画像がある。
validとtestのディレクトリもいる。そもそもディレクトリ構造がださい。
videosもtrainとvalidとtestにわけるべきかも
同じ動画からtrain, valid, testに対してフレームを振り分けるのは微妙
trainにあった似たようなフレーム画像に対して分類できても微妙

├── Pipfile
├── Pipfile.lock
├── bin
│   └── hoge.sh
├── mldata
│   ├── train
│   │   ├── calpico
│   │   └── cola
│   └── videos
│       ├── calpico
│       └── cola
├── python
│   ├── main
│   │   ├── annotation
│   │   └── ml
│   └── test
└── sandbox
    ├── koba
    │   └── unchi.py
    └── yoko

https://www.tensorflow.org/api_docs/python/tf/keras/Model#predict_on_batch

にゃーん

apiサーバ立てるときにどうすべきか
ローカルで推論とかやらないほうがいいはず。
データ収集も考えると

• サンプル画像の収集（とりあえずやってみる）@kento-kobayashi
  400×400以上で収集→撮影しよう！！
  • 対象5種類
  • 1種類につき20枚

【対象】500mlペットボトルで！

• アクエリアス

• おーいお茶

• カルピス

• コカ・コーラ

• コカ・コーラゼロ

• 自動化@yktkzyk→いったん停止
  python/main/annotation

• 業者→一旦停止

※画像が大きすぎると学習に時間がかかりすぎる。

いいかんじによろしっく

• git cloneする
• git checkout -b でブランチをかえる
• githubにpushする
• mergeしてちょ #2

https://qiita.com/ksasaki/items/ee864abd74f95fea1efa

• 動画を撮影

• 撮影：どれだけ頑張るか。やるだけ。

• 撮影した動画をGoogleDriveにアップロード

• 撮影した動画を置く場所をディレクトリで作成

• ディレクトリ構成で何をどこに置くか明確にする

　→最終的なパスをissueで通知（or ReadMe。Githubの最初にReadMe.md）

• アップロードした動画を上記フォルダ構成のルールに則って仕分け

以下の変数等を理解

    epochs=epochs,     # エポック数の指定
    steps_per_epoch=10,
    verbose=1,         # ログ出力の指定. 0だとログが出ない
    validation_steps=4
test_generator(batch_size), steps=3

治安が悪くならないようにしよう

ジュースが中にはいったコーラを学習して、コーラが中に残ってなくても分類ができるかどうか検証

現在240x240にゴリッと変換してる。
クロップ（トリミング）するのか、どうするのか
サイズは240x240が妥当なのか

学習データが増えたさいにどうするかを検討する必要があるかもね