1. はじめに
今後,ゲーム自動化に深層学習を盛り込むに向けて調査していきます.
2. 仮想環境
2.1. 仮想環境の構築
下記コマンドで仮想環境を構築します.
Ver を指定しないとエラーがでるので対応しているVerを指定してあげます.
conda create -n keras_v4 python=3.7
pip install tensorflow==1.14.0
pip install keras==2.2.4
2.2. 必要パッケージをインストール①
下記のパッケージのインストールをします.
pip install numpy h5py pillow
pip install matplotlib
pip install h5py==2.10.0
2.2. 必要パッケージをインストール②
protobufのインストールをしていきます.
ダウンロードしたファイルがある場所で以下のコマンドを実行すれば完了です.
conda install rotobuf-3.5.2-py36h6538335_0.tar.bz2
3. Yolo関係の準備
3.1. ファイルのダウンロード
次に,学習済みモデルを
ここからダウンロードします。
3.2. モデルの構築
これで,.h5ファイルを作成します.
python convert.py yolov3.cfg weights/yolov3.weights model_data/yolo.h5
3.3. ソースコードの一部修正
yolo.py の一部を修正します.
def detect_img(yolo):
while True:
# img = input('Input image filename:')
image_path = r"image\DOAX-VenusVacation_220627_162205.jpg"
try:
image = Image.open(image_path)
except:
print('Open Error! Try again!')
continue
else:
r_image = yolo.detect_image(image)
# r_image.show()
r_image.save('r_image.jpg', quality=95)
yolo.close_session()
ここで,画像を指定して,
image_path = r"image\DOAX-VenusVacation_220627_162205.jpg"
画像を保存するように改変します.
r_image.save('r_image.jpg', quality=95)
4. 実行
これで実行すれば,r_image.jpg が生成されてるはずです.
python yolo_video2.py --image
5. おわりに
これで Yoloを動かせたので,ゲーム自動化へ盛り込んでいこうと思います.