電子發(fā)燒友網(wǎng)>電子資料下載>電子資料>TinyAnimal：Grove Vision AI上的動(dòng)物識(shí)別實(shí)踐

TinyAnimal：Grove Vision AI上的動(dòng)物識(shí)別實(shí)踐

1852159 2023-06-13 | zip | 0.00 MB | 次下載 | 免費(fèi)

資料介紹

描述

問題

有許多項(xiàng)目專注于邊緣 AI/ML 的硬件。但在實(shí)際場景中，并沒有在產(chǎn)品之上的軟件側(cè)學(xué)習(xí)細(xì)節(jié)的顯著實(shí)踐來展現(xiàn)，本文彌補(bǔ)了這一不足。

同時(shí)，該項(xiàng)目在一個(gè)廉價(jià)的邊緣人工智能硬件上提供了完整的、可重現(xiàn)的EdgeML/TinyML動(dòng)物識(shí)別工作流程，這在已知的現(xiàn)有項(xiàng)目中是很少見的。

硬件

SenseCAP K1100 套件中的 Wio 終端和 Grove Vision AI 模塊

該項(xiàng)目的硬件是Seeed SenseCAP K1100/A1100中的 Grove Vision AI 模塊。官方商店有單機(jī)版的Grove Vision AI Module 。

Vision AI Module有一顆芯片：Himax HX6537-A。芯片上的mcu基于消費(fèi)者比較陌生的ARC架構(gòu)。主頻是400Mhz，也不高。但最有趣的是 HX6537-A，具有快速XY SD RAM 內(nèi)存架構(gòu)來加速 TinyML，如 tensorflow lite 模型推理。我們稍后會(huì)看到這款芯片的性能。

工作流程

TinyAnimal 的工作流程

上面的工作流程很常見，也很清晰。我們只討論一些有趣的需求：

該數(shù)據(jù)集是具有 9.6GB 圖像的公共數(shù)據(jù)集。

這避免了樣本太少或代表性不足的常見問題。

培訓(xùn)在當(dāng)?shù)赝瓿伞?/font>

這避免了樣本太少或代表性不足的常見問題。

數(shù)據(jù)收集和實(shí)時(shí)分析是通過邊緣數(shù)據(jù)庫JoinBase完成的。

與 PostgreSQL 或 TimescaleDB 等常見數(shù)據(jù)庫不同，JoinBase 直接接受 MQTT 消息。與云服務(wù)不同，JoinBase支持運(yùn)行在邊緣，可以在沒有網(wǎng)絡(luò)的環(huán)境下使用。最后，JoinBase 可免費(fèi)用于商業(yè)用途，這也有利于邊緣平臺(tái)的進(jìn)一步發(fā)展。

準(zhǔn)備數(shù)據(jù)集

“animals-80”數(shù)據(jù)集的整體

目前，針對(duì)野生動(dòng)物或動(dòng)物的工作邊緣 AI 的公開研究并不多。使用了少數(shù)公開可用的動(dòng)物數(shù)據(jù)集之一——來自 Kaggle 的動(dòng)物檢測(cè)圖像數(shù)據(jù)集（稱為“animals-80”數(shù)據(jù)集）。它包含 9.6GB 圖像中的 80 只動(dòng)物，對(duì)于常見的動(dòng)物識(shí)別任務(wù)應(yīng)該足夠了。

準(zhǔn)備訓(xùn)練數(shù)據(jù)

animals-80 數(shù)據(jù)集的好處是它已經(jīng)被標(biāo)記了。但是原始標(biāo)簽格式不是Yolov5標(biāo)簽格式。已經(jīng)進(jìn)行了準(zhǔn)備工作。核心部分就是上圖的預(yù)處理函數(shù)。請(qǐng)稍后的代碼回購以獲得更多信息。

火車

因?yàn)槲覀儧]有足夠的資源來對(duì)完整的 9.6GB 訓(xùn)練進(jìn)行完整的訓(xùn)練。因此，選擇了animals-80數(shù)據(jù)集的一個(gè)子集。

15-動(dòng)物子集訓(xùn)練

1 / 2 ? 15-動(dòng)物子集訓(xùn)練

我們使用 24c/48T Xeon Platinum 8260 處理器使用上面從官方示例中獲得的命令進(jìn)行訓(xùn)練。

python3 train.py --img 192 --batch 32 --epochs 200 --data data/animal.yaml --cfg yolov5n6-xiao.yaml --weights yolov5n6-xiao.pt --name animals --cache --project runs/train2

然而，兩個(gè)小時(shí)后（是的，再次證明Don't use CPU to train even is a top Xeon SP），發(fā)現(xiàn)最后的識(shí)別效果很差。

主要指標(biāo)非常低：精度為 0.6，召回率和 mAP_0.5 都在 0.3 左右。

事實(shí)上，這個(gè)結(jié)果接近于不起作用。

4-動(dòng)物子集訓(xùn)練

讓我們將可識(shí)別的動(dòng)物種類減少為四種：蜘蛛、鴨子、喜鵲和蝴蝶，這當(dāng)然是郊區(qū)野外最常見的動(dòng)物。

注意，重新運(yùn)行準(zhǔn)備腳本以生成正確的data/animal.yaml.

1 / 2 ? 4-動(dòng)物子集訓(xùn)練

主要指標(biāo)變得更好：精度約為 0.81，召回率和 mAP_0.5 約為 0.6。

我們將在后期推理試驗(yàn)和評(píng)估中回顧該模型的性能。可以只進(jìn)行二元分類：一種動(dòng)物和一種動(dòng)物。但在這個(gè)項(xiàng)目中，我更期待在更復(fù)雜的場景下評(píng)估識(shí)別效果。

YoLov5官方預(yù)訓(xùn)練模型的 4 動(dòng)物子集訓(xùn)練

以上訓(xùn)練均由Seeed官方文檔推薦完成。預(yù)訓(xùn)練模型yolov5n6-xiao可能缺乏良好的泛化能力。在這個(gè)項(xiàng)目中，我們嘗試了一個(gè) YoLOv5 官方最小的預(yù)訓(xùn)練模型yolov5n6，看看是否有一些差異。

使用官方 yolov5n6 模型進(jìn)行 4 動(dòng)物子集訓(xùn)練

上面的結(jié)果是從官方yolov5n6模型中得到的epochs=150.結(jié)果很好。因?yàn)椋?/font>

主要指標(biāo)：precision、recall 和 mAP_0, 5 均大于 0.9。在 ML 中，mAP_0.5 在 0.6 和 0.9 之間的差異在現(xiàn)實(shí)世界的檢測(cè)中是巨大而巨大的。

不幸的是，基于官方訓(xùn)練的最終模型yolov5n6接近4MB，而Grove AI模塊的約束模型大小不超過1MB。因此，我們不能使用任何此類更大的模型（已嘗試）。一些建議將在最后一節(jié)中討論。推論

仿真中檢測(cè)的三個(gè)例子

經(jīng)過以上訓(xùn)練，我們進(jìn)行圖片仿真，初步評(píng)估模型的效果。讓我們看例子。

以上是 Grove AI 模塊的輸出。分類指數(shù)在中間，置信度在旁邊。對(duì)應(yīng)指標(biāo)的動(dòng)物名稱可以在上面的訓(xùn)練圖中看到。

第一次和第二次檢測(cè)是正確的，第三次檢測(cè)是錯(cuò)誤的。第三張圖是一只喜鵲在天上飛，推理結(jié)果是蝴蝶。我們只是在后面的real-wprld評(píng)估中看到這個(gè)分類模型的影響。

真實(shí)世界評(píng)估

現(xiàn)實(shí)世界中的推理比實(shí)驗(yàn)室中的推理更具挑戰(zhàn)性。因?yàn)闇y(cè)試時(shí)所處的環(huán)境或測(cè)試者或被測(cè)對(duì)象的狀態(tài)都會(huì)對(duì)結(jié)果產(chǎn)生很大的影響。這就是我們?cè)诠ぷ髁鞒滩糠诌M(jìn)行規(guī)劃的原因。

我們通過TinyWild 項(xiàng)目中的郊野公園野生動(dòng)物調(diào)查進(jìn)行了真實(shí)世界的評(píng)估。執(zhí)行兩種類型的檢測(cè)：

基于動(dòng)態(tài)視口（移動(dòng)相機(jī)）的檢測(cè)

整個(gè)調(diào)查的分類統(tǒng)計(jì)（置信度>75）

上圖是整個(gè)調(diào)查的分類統(tǒng)計(jì)（置信度>75）。相機(jī)移動(dòng)的時(shí)間很長。因此，這是一個(gè)基于動(dòng)態(tài)視口（移動(dòng)相機(jī)）的檢測(cè)。源于軟件邏輯的“未知”和空動(dòng)物已被排除在外。

基本結(jié)論是，對(duì)于個(gè)體識(shí)別來說，不是特別理想，但是收集到的定性信息是有效的。

Bufferfly在統(tǒng)計(jì)上相對(duì)突出，但沒有在公園里見過很多次的Magpie。

這似乎是喜鵲被識(shí)別為緩沖蠅，如上面推理部分的分析所示。它們的共同點(diǎn)是，它們經(jīng)常在空中飛行。三個(gè)真實(shí)世界的因素：移動(dòng)的相機(jī)、移動(dòng)的物體和低分辨率，對(duì)識(shí)別結(jié)果有很大的影響。

基于靜態(tài)視口（靜態(tài)相機(jī)）的檢測(cè)

為減少移動(dòng)因素的影響，還在湖邊開展了野鴨（野鴨）專項(xiàng)觀測(cè)。

野鴨靜態(tài)觀察的主要過程

在上面的第一個(gè)捕獲中，我們前端 UI 中鴨子的數(shù)量（其中一個(gè)有趣的地方是 UI 中的動(dòng)態(tài)表是由 SQL 查詢驅(qū)動(dòng)的，請(qǐng)參閱我們未來項(xiàng)目中的更多信息）。突然，兩個(gè)鴨子游入鏡頭范圍。鴨子的數(shù)量已經(jīng)增加到13?？紤]到原來的鴨子是被數(shù)過的，13是當(dāng)時(shí)精確的數(shù)。發(fā)現(xiàn)Grove AI 對(duì)附近的動(dòng)物檢測(cè)非常有效，就像我們?cè)诤吽龅哪菢樱寒?dāng)三只鴨子突然以相對(duì)靜態(tài)定位游入相機(jī)范圍時(shí)，我們得到了三個(gè)計(jì)數(shù)。（注：在TinyWild項(xiàng)目中，我們說有四項(xiàng)計(jì)數(shù)，但根據(jù)我們的錄音應(yīng)該更正為三項(xiàng)計(jì)數(shù)。）

建議

基于以上實(shí)踐，我們針對(duì)廉價(jià)邊緣人工智能硬件上的 EdgeML 或 TinyML給出以下建議：

嘗試靜態(tài)觀察

即觀察者不做大動(dòng)作。

檢測(cè)盡可能少的物體

例如，只做二元分類：人或沒有人，猴子或沒有猴子，鳥或沒有鳥。

使模型的主要指標(biāo)盡可能大

例如，precision > 0.8，recall 和 mAP_0.5 > 0.6。

盡可能提高識(shí)別準(zhǔn)確率（比如，更長的訓(xùn)練時(shí)間）

廉價(jià)的邊緣 ML 硬件通常資源有限，例如 Grove AI 模塊的約束模型大小不超過 1MB，低于 yolov5 官方 yolov5n 預(yù)訓(xùn)練網(wǎng)絡(luò)訓(xùn)練的模型大小。發(fā)現(xiàn)較小的模型會(huì)顯著影響模型的主要指標(biāo)。