PyTorchで動かす物体検出&セグメンテーション(MaskR-CNN)ハンズオン

2020/04/25(土)16:00 〜 19:00 開催
ブックマーク

イベント内容

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

4/25(土)
受付: 15:5016:00
講義: 16:0019:00


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-CNN3分)
  1-03. Fast R-CNN3分)
  1-04. Faster R-CNN3分)
  1-05. Mask R-CNN6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 EC2p2.xlarge
OS  : Ubuntu18.04
言語:Python3.6Pytorch1.3.7

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

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
    一番簡単なインストール方法は、Anaconda3をインストールして
    Anaconda Navigator の Environmentタブから labelmeアイコンの installボタンを押すことです
    これでLunchボタンを押すと、インストール不要で起動することができます。

     Anaconda3 ダウンロードサイト
     https://www.anaconda.com/distribution/

費用

5,000/3h 3/20までの申込枠)
8,000/3h 3/21以降の申込枠)

※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をお願いします。
(申し込み2日以内での決済をお願いします。)

https://lib-arts.booth.pm/items/1806756

定員

10

ご参加にあたってのお願い

無断欠席や前日以降のキャンセルに関しては当日人数読めなくなり非常に迷惑なので
基本的に行わないようにお願いします。(直前参加は定員的に問題なければ歓迎です!)
体調不良、職務都合、ご家庭の事情などどうしてものケースは別途ご連絡いただくか、
イベントへのお問い合わせよりご連絡いただけますと嬉しいです。
上記がひどいアカウントに関してはブラックリスト処理を行い以後の参加をお断りさせて
いただきますので、その点だけ予めご了承ください。
7割以上来れる前提でのお申し込みと前日以降のキャンセルはメッセージでのご連絡を
いただくということだけ気をつけていただければ大丈夫だと思います)

モチベーションの高い参加者の方を重視する運営としていきたいと考えています。
ご協力のほど、よろしくお願いいたします。

注意事項

※ こちらのイベント情報は、外部サイトから取得した情報を掲載しています。
※ 掲載タイミングや更新頻度によっては、情報提供元ページの内容と差異が発生しますので予めご了承ください。
※ 最新情報の確認や参加申込手続き、イベントに関するお問い合わせ等は情報提供元ページにてお願いします。

関連するイベント