1. ReNomIMG GUIツールの使い方

1.1. アプリケーションの起動

ReNomIMGは単一ページウェブアプリケーションです。インストールが成功しましたら、任意の場所でコマンドによりアプリケーションを実行できるようになります。

cd workspace # Workspace can be any directory in your pc.
renom_img # This command will starts ReNomIMG GUI server.

コマンド`renom_img`を利用する際に、以下の引数を与えることができます。。

  • --host: サーバーのアドレスを指定します。
  • --port : サーバのポート番号を指定します。

例えば、以下のコードを実行するとReNomIMGは8888のポートで実行されます。

renom_img --port 8888 # Running ReNomIMG with port 8888

アプリケーションサーバーが実行されましたら、Webブラウザが開きますので以下のようにサーバーのアドレスをアドレスバーに入力してください。

../_images/how_to_use_start.png

アプリケーションが表示されます。

1.2. データの配置

サーバーが実行された場合、datasrcディレクトリとstorageディレクトリがサーバ実行されているディレクトリに作成されます。

datasrcディレクトリは以下のようなフォルダ構造をしています。

datasrc/
  ├── img   # Set training img files here.
  ├── label # Set training label files here.
  └── prediction_set
        ├── img     # Set prediction img files here.
        └── output  # Prediction result will be output here.
              ├── csv
              └── xml

上のコメントに書かれているように訓練画像データをdatasrc/imgディレクトリに、訓練ラベルデータをdatasrc/labelディレクトリに配置してください。

注釈

画像ファイル名と対応するラベルファイル名は同じでなければなりません。例えば、画像ファイルの名前がimage01.jpgの場合、対応するラベルの名前はimage01.xmlでなければなりません。

1.2.1. データのフォーマット

画像ファイルの形式 : ReNomIMGはJPEGかPNG形式の画像ファイルのみを受け付けます。

ラベルの形式 : ReNomIMGはxml形式のラベルのみを受け付けます。

<annotation>
    <size>
            <width>374</width>
            <height>500</height>
            <depth>3</depth>
    </size>
    <object>
            <name>car</name>
            <bndbox>
                    <xmin>2</xmin>
                    <ymin>3</ymin>
                    <xmax>374</xmax>
                    <ymax>500</ymax>
            </bndbox>
    </object>
</annotation>

ReNomIMGはPASCAL VOC形式の物体検出データを受け付けます。

The PASCAL Visual Object Classes


1.3. 予測モデルの作成

これまでに、サーバーとデータセットが準備されています。それでは物体検出モデルを作成してみましょう。モデルを作成するためには、datasetとハイパーパラメータを指定しなければなりません。

1.3.1. データセットの作成

機械学習のモデルを訓練するためには、訓練用データセットとバリデーション用データセットの用意が必要です。訓練用データセットはモデルの学習に利用し、バリデーション用データセットはどれだけ正確にモデルがデータを予測できるか評価するためのもので、学習に利用してはいけません。

ReNomIMGでは、datasrcディレクトリ内のデータから訓練用データとバリデーション用データをランダムにサンプリングします。

../_images/how_to_use_gui_datasrc.png

上の画像によると、データソースからデータセットを作成できます。一度データセットが作成されると、その内容は決して変更できません。

データセットを作成するために、データセットページに移動してください。以下の画像はデータセットページへの移動方法を示したものです。

../_images/how_to_use_gui_dataset_create_button01.png

そうしましたら、以下のページが表れます。

../_images/how_to_use_gui_dataset_create_button02.png

As you can see, you can specify the dataset name , ''description'' and ratio of training data .

すべての入力フォームを埋めた後, `` content``ボタンを押してください.

../_images/how_to_use_gui_dataset_create_button03.png

ボタン押下後, 以下のうようなデータセット確認画面が表示されます.こちらの画面では, データセット内に含まれる画像の枚数や, 各クラスの教師データ数が表示されます.

データセットの内容を確認した後, データセットを保存する場合は``save``ボタンを押してください.

作成したデータセットは, `` Dataset``ページから確認することができます.以下の図にしたがってDatasetページへ移動してください.

../_images/how_to_use_gui_dataset_create_button04.png ../_images/how_to_use_gui_dataset_create_button05.png

上の図がDatasetページです. すでに二つのデータセットが作成されていることがわかります.それぞれのデータセット名をクリックすると, それらに含まれる画像の枚数や各クラスの教師データ数を確認することができます.

1.3.2. ハイパーパラメータの設定

ここまでで全て材料がそろいました。それでは、モデルの作成して訓練させましょう。モデルを作成するために、'Add New Model'ボタンを押してください。

../_images/how_to_use_gui_model_create01.png

そうしましたら、ハイパーパラメータを設定するモーダルが以下の図のように表れます。

../_images/how_to_use_gui_model_create02.png

上の図から分かりますように、以下のパラメータを指定することができます。

  • Dataset Name ... 訓練用のデータセットを選択してください。
  • CNN architecture ... 物体認識アルゴリズムを選択してください。
  • Train Whole network ... もしこの項目がTrueでしたら、全ネットワークの重みが訓練されます。
  • Image size ... 訓練用画像のサイズ
  • Training loop setting ... トレーニング数とバッチサイズ

注釈

GPUデバイスによりましては、サイズの大きい画像や大きなバッチサイズによりメモリがオーバーフローします。

1.3.3. 訓練モデル

ハイパーパラメータ設定が完了しましたら、[start training]ボタンを押してトレーニングを開始してください。

訓練が開始しましたら、モデルがモデル一覧に表示され、進捗バーが現れます。

../_images/how_to_use_gui_model_create03.png

1.4. ReNomIMGのアンインストール

以下のpipコマンドにより、ReNomIMGをアンインストールすることができます。

pip uninstall renom_img