2020年度卒研セミナー(2020/10/08)

DNNによる室内人数のカウント(金子氏)

YOLOv3を急ぎ、実装中である。


下記の公開コードを最初に実装してみたが、まったくといっていいほど物体を検出してくれなかった(学習済みの重み係数を設定しているにも関わらず)。

現在、見込みのありそうな以下のコードを実装中である。

DNNを用いた3Dモデルの生成支援システム(西村氏)

PIFuのデモプログラムを動作させようとしている。


下記サイトの指示に従い、環境を構築中である。

scripts/download_trained_model.sh
set -ex
   
mkdir -p checkpoints
cd checkpoints
wget "https://drive.google.com/uc?export=download&id=1zEmVXG2VHy0MMzngcRshB4D8Sr_oLHsm" -O net_G
wget "https://drive.google.com/uc?export=download&id=1V83B6GDIjYMfHdpg-KcCSAPgHxpafHgd" -O net_C
cd ..
    

scripts/test.sh
#!/usr/bin/env bash
set -ex
   
# Training
GPU_ID=0
DISPLAY_ID=$((GPU_ID*10+10))
NAME='pifu_demo'
   
# Network configuration
   
BATCH_SIZE=1
MLP_DIM='257 1024 512 256 128 1'
MLP_DIM_COLOR='513 1024 512 256 128 3'
   
# Reconstruction resolution
# NOTE: one can change here to reconstruct mesh in a different resolution.
VOL_RES=256
   
CHECKPOINTS_NETG_PATH='./checkpoints/net_G'
CHECKPOINTS_NETC_PATH='./checkpoints/net_C'
   
TEST_FOLDER_PATH='./sample_images'
   
# command
CUDA_VISIBLE_DEVICES=${GPU_ID} python ./apps/eval.py \
    --name ${NAME} \
    --batch_size ${BATCH_SIZE} \
    --mlp_dim ${MLP_DIM} \
    --mlp_dim_color ${MLP_DIM_COLOR} \
    --num_stack 4 \
    --num_hourglass 2 \
    --resolution ${VOL_RES} \
    --hg_down 'ave_pool' \
    --norm 'group' \
    --norm_color 'group' \
    --test_folder_path ${TEST_FOLDER_PATH} \
    --load_netG_checkpoint_path ${CHECKPOINTS_NETG_PATH} \
    --load_netC_checkpoint_path ${CHECKPOINTS_NETC_PATH}