内容概要

画像内のオブジェクトにマスク（インスタンスセグメンテーション）を掛ける
MaskR-CNNモデルのハンズオンを実施します！

モデルが若干大きくGPU環境が必要になるので、当日はAWS EC2インスタンス上で
Mask R-CNNモデルを学習させます。AWSのインスタンスを用いることで、CUDAなど
のセットアップの必要なしで実際に学習を行うことができます。

下記が簡単なアジェンダになります。
　1. 環境構築（インスタンス作成、コマンドインストール、cocoデータセットダウンロード）
　2. cocoデータセットを使った学習
　3. 推論
　4. 独自データセットの作り方
　5. 独自データセットを使った学習
　
当日はお楽しみに！

開催日程

5/9（土）
受付： 15:50～16:00
講義： 16:00～19:00

※
途中5分ほどの休憩を1回設ける予定です。

進め方

　今回は実装メインで進めるため、理論の説明は軽くにとどめます。
　AWS EC2インスタンスは最初から作って頂きます。
　手順は全て手順書に記載されているため、手順書を参考に構築していってください。
　
　ところどころviエディタを使う箇所があるため、
　viエディタを使ったことがない人は練習しておいてください。

アジェンダ

　0. はじめに（5分）
　1. 物体検出＆Instance Segmentationの概要（20分）
　　1-01. 物体検出とは（5分）
　　1-02. R-CNN（3分）
　　1-03. Fast R-CNN（3分）
　　1-04. Faster R-CNN（3分）
　　1-05. Mask R-CNN（6分）
　　
　2. ハンズオン（140分）
　　2-01. 環境（AWS EC2インスタンス[p2.xlarge]）の解説（10分）
　　2-02. インスタンス作成（5分）
　　2-03. EC2インスタンスへのログイン方法（5分）
　　2-04. cocoデータセットの解説とダウンロード（10分）
　　　　  ⇒ダウンロード完了まで50分掛かるので放置
　　2-05. Juypter Lab のインストールと設定（25分）
　　2-06. 各種コマンドインストール（5分）
　　2-07. MaskRCNN関連コマンド群のインストール（10分）
　　2-08. Mask R-CNN 本体をインストール（10分）
　　2-09. デモを動作させる（5分）
　　2-10. 設定ファイル修正（yamlファイルの設定）（10分）
　　2-11. トレーニング実施（10分）
　　2-12. 推論実施（15分）
　　2-13. 独自データセットの作り方解説と実施（20分）
　　
　3. 締め（5分）

　※アジェンダの詳細については変更の可能性があります。
　（全体の流れが変わることはありません）

今回使用するモデル

Facebook AI Research社の maskrcnn-benchmark を使用します
Github: https://github.com/facebookresearch/maskrcnn-benchmark

開発環境

環境：AWS EC2（p2.xlarge）
OS  : Ubuntu18.04
言語：Python3.6、Pytorch1.3.7

AWS EC2のアカウントはこちらで用意します。
当日はネットワークに接続できるPCを1台持参してください。
負荷は全く掛からないため、PCスペックはしょぼくて大丈夫です。

会場

オンライン開催とします。
Zoomを用いて主催者の画面を参加者と共有し、進行予定のため、Zoomのアカウントと
PCをご用意いただけたらと思います。

対象者

・画像内のオブジェクトをマスクで囲みたい人
・インスタンスセグメンテーションに興味がある人
・画像のオブジェクト情報をテキスト化して活用したい人

対象レベル

・Unix系OSを使ったことがある人
　⇒簡単なコマンドのインストールとviエディタを使った経験があれば問題ありません。
・Pythonの経験は必要ですが、Pytorchの経験はなくても問題ありません。
・AWS EC2インスタンスを作成したことがなくても問題ありません。
　ハンズオンでは AWS EC2インスタンスを作成する手順書をお渡しします。

参加する際の注意点

手順書の内容はWindowsベースのソフトウェアを用いて進行します
例えば、SSH接続はTeraTerm、FTP接続はWinSCPです
もし、MacのノートPCを持参される方はソフトウェアの違いを自力で解決することになります
（講師がMacを使えないため）

特に以下の点は自力での解決をお願いします
　・AWSのEC2インスタンスにSSH接続（公開Key）を用いた接続
　・AWSのEC2インスタンスにFTP接続（公開Key）を用いた接続

Macに関する助言はできないため
技術に不安がある方は、予めご自身でEC2接続をテストしてからの参加をお願いします

講師プロフィール

名前：清元邦夫
株式会社漫画パーツ生成所 代表
https://mangaparts.com/

画像処理系のお仕事を中心にやっています。

当日のお持物

PC1台
　・wifiでネットワークに繋がること
　・以下3つのツールをインストールしておいてください
　　- TeraTerm
　　　https://forest.watch.impress.co.jp/library/software/utf8teraterm/
　　　⇒Tera Term無印版（ポータブル版ではないほう）
　　- WinSCP
　　　https://forest.watch.impress.co.jp/library/software/winscp/
　　　⇒フリーソフト版のほうです
　　- labelme
　　　⇒labelmeはアノテーションツールの一種です
　　　　今回は独自データ作成時に使用します
　　　　Anaconda3 に labelmeパッケージをインストールしておいてください
　　　　　
　　　　　Anaconda3 ダウンロードサイト
　　　　　https://www.anaconda.com/distribution/
　　　　　
　　　　　labelmeのインストール方法
　　　　　https://anaconda.org/conda-forge/labelme

費用

・5,000円 (5/7までに支払いが確認できる場合)
・8,000円 (5/8以降の支払いの場合)

※領収書発行の際は事務手数料として追加1,000円のお支払いをよろしくお願いいたします
※決済は下記より該当金額の購入と決済ページへその旨の連絡をお願いします。
（ご連絡の際はこのページのリンクを貼っていただけると確認がスムーズなので嬉しいです）
https://lib-arts.booth.pm/items/1806756

※ キャンセルにつきましては返金はできませんが、金額分のテキストの送付または、1か月以内の
別講座への参加が可能です。
↓テキストは下記より選ぶことができます。
https://lib-arts.booth.pm/items/1912668

定員

締め切りました。
以後の申し込みは下記よりお願いいたします。
https://liberal-arts-for-tech.connpass.com/event/175073/

備考

下記ページで様々なテキストが入手できるようにしています。
よろしければこちらもご検討いただけましたら嬉しいです！！
https://lib-arts.booth.pm/