Python

セマンティックセグメンテーションの中で軽いモデルであるESPNetv2を実装します．
本稿ではCityscapesデータセットから人のみを抽出して，仮のオリジナルデータで学習に向けて，データ生成を実施します．

セマンティックセグメンテーションの中で軽いモデルであるESPNetv2を実装します．
本稿ではまず，デモの起動と公開データセットのCityscapesでの学習を実施します．

Python, OpenCVを用いて，任意の秒数単位で動画のフレームを画像として出力するコードを作成します．

バイク検出のモデルを作成いたしましたので，DeepSortというトラッキング(物体追跡)を使い，Youtubeの平成24年 元旦配達出発式のバイクをカウントします．

COCOデータセットから特定のクラスの画像を抽出し，アノテーション情報を整形したので，keras-yolo4での転移学習を実施します．

COCOデータセットから特定のクラスの画像を抽出し，アノテーション情報を整形したので，keras-yolo4での通常学習を実施します．

COCOデータセットから特定のクラスの抽出・keras-yolo4の学習形式への整形を実施します．

COCOデータセットから特定のクラスの画像を抽出し，アノテーション情報を整形したので，Darknet(Yolov4)での学習を実施します．

COCOデータセットから特定のクラスの抽出・学習形式への整形を実施しましたので，学習に用いる画像のパスを示すtxtファイルやモデルのネットワークを示すcfgファイル等を作成します．

COCOデータセットから特定のクラスを抽出できるようにしたので，Darknet(Yolov4)で学習できるように整形します．

YOLO・SSDの物体検出の実施のために，まずCOCOデータセットをダウンロードし，特定のクラスだけを抽出します．

Python＋Selenium＋ChromeでウェブスクレイピングしてYouTubeの動画をダウンロードします．本稿では，OfflibertyをSeleniumでダウンロードします