【機械学習】Pinebookではじめる機械学習（PiCamraを使わないだけですが・・）【Raspberry Pi】

ラズパイ用なんですが・・

この本おもしろいです。Raspberry Piではじめる機械学習

【人工知能】Raspberry Pi ではじめる機械学習　じゃんけん・あやめ分類など【ディープラーニング】

Raspberry Piで機械学習 なかなか面白そうな企画ですよね。 Pythonについて知っていて、機械学習（DeepLearni...

tom2rd.sakura.ne.jp

2018-04-03 00:05

夜な夜な、演習のファイルを、Pinebookに移植して遊んでいます。RasbianとUbuntuの差はあまりないので、ほぼそのまま動きます。

Sklearn(Scikit-learn)でハマったり、とかありますが、一番の違いは、ハードまわりというか、PiCameraを使う部分ですね

でももともと、OpenCVを使っているので、PiCameraがなくても、OpenCVの関数でやっていることを置換してあげると、ほんの少しの書き換えで動いてくれます

PiCameraでサイズ、FPSなどを調整して画像取り込むのをOpenCVの素のコードで書いたものを、ここに、おいて置きます。

import cv2
import picamera
import picamera.array
～～
with picamera.PiCamera() as camera:
 with picamera.array.PiRGBArray(camera) as stream:
 camera.resolution = (320, 240)
 camera.framerate = 15
 camera.awb_mode = 'fluorescent'
～～

とPiCamera専用なっているところを、OpenCVのVideoCaptureで置き換えているだけです

import cv2
～～
camera=cv2.VideoCapture(0) 
camera.set(cv2.cv.CV_CAP_PROP_FPS, 15)
camera.set(cv2.cv.CV_CAP_PROP_FRAME_WIDTH, 320) 
camera.set(cv2.cv.CV_CAP_PROP_FRAME_HEIGHT, 240)
～～

あとは、少しこのあたりを変えるだけです

#camera.capture(stream, 'bgr', use_video_port=True)
 return_value,stream = camera.read()

とか

#hsv = cv2.cvtColor(stream.array, cv2.COLOR_BGR2HSV)
 hsv = cv2.cvtColor(stream, cv2.COLOR_BGR2HSV)

RaspberryPiを持っている人で、Webカメラ（USBカメラ）の人はこの方法で使えますね。。　Donkey CarをUSBカメラで作る時にも同じようなコードの変更をしています。あれはPyGameを使っているんで。。ひょっとしてPinebookもGPIOはRaspberry Piと同じなのでPyGameとかPiCameraって使えるのかな？そっちの移植は大変そうだけど。。

GitHub - waveform80/picamera: A pure Python interface to the Raspberry Pi camera module

A pure Python interface to the Raspberry Pi camera module - GitHub - waveform80/picamera: A pure Python interface to the Raspberry Pi camera module

github.com

www.pygame.org

PyGameは使えそうですね。。PiGameじゃないんだ（笑）

Pygame Tutorials - Camera Module Introduction — pygame v2.6.0 documentation

www.pygame.org

OpenCV使うまでもなことは、こっちの方が軽いかもしれませんね。

第８章の手の認識

この本の演習は、ほぼすべてのファイルが専用サイトからダウンロードできますが、この章の学習データ（手の写真）から作る学習済みのネットワークファイルが入っていませんので、自分でつくらないといけません。

$python ml-08-03-learn.py learnfile.pkl

というPythonプログラムを動かして作ります。学習済みファイルをここにおいておきますね。 learnfile.pklって名前つけたつもりが・・リーンになってますけど（笑）

ちなみに学習時間は、Pinebookでやると１分くらいで終わりました。Pine64はだいたいRaspberryPi3+くらいの性能です。

じゃんけん認識の結果は、こんな感じ。学生時代にPC98とかで回した学習が懐かしいですね。昔だったら１日がかりの計算が今や。。ボードPCでできるんですねぇ

認識は、どれだけうまく二値化できるか？？で決まりそうです。

プログラム側でいじるより、背景を単色にして試すのがよさそうですね。

コードは、こちらに。。

第９章　じゃんけんシステム

さてさて、９章のじゃんけんシステム。じゃんけんの手を過去３回ほどパーセプトロンに覚えさせて次の手を予測させる。画像認識で手も認識しています。このプログラムとっても参考になります。Threadを使って認識系は別threadで動かすんですね。Pythonでこんなこともできる。

音は出ませんが。。Pinebook用に書き換えたものをここに置いておきます

あんまり手の認識率はよくないので、もどかしい感じですが、一応動きます。１０章ではこれをDeeplearningで認識させるようになっています。どれだけ認識率があがるのか？？おもしろそうです。

いやぁすごいですね。　NVIDIAのGPUでやるとか、FPGAでやるとかだと、そらできるやろうなぁ～って思うけど、Raspberry PiやPine64みたいな数千円のハードでここまでできるんですね。

第10章　Deep　learning

あやめの学習は４分くらいでできましたが・・・・　他は手書き文字４時間（確かにかかる）とか手の認識７時間とか、かかります。GPUがあるもので、少しどれくらい時間が短縮できるか？またやってみます

Kerasの学習済みデータが入っているので、それを使えるように、上と同じようにPinebookで動くように修正したファイルをおいておきます。

ml-10-08-hand-cnn-load-linux.py　手の認識だけです。

ml-10-09-janken-deep-linux.py　　じゃんけんできます。

認識率の向上は果たして？？　やってみると、わかります（笑）