水中のセグメンテーションモデルSUIM-Netの味見です。
味見なのですが、後処理ミスってる気がする、、、
確認中です👀
SUIM-Net味見中👀
— 高橋 かずひと@マリオジェノサイダー🦔 (@KzhtTkhs) 2022年1月24日
何か公式リポジトリよりイマイチになってしまった、、、
後処理ミスったかしら、、、🤔 https://t.co/IDgZH5s2jR pic.twitter.com/IoPgPKy0IJ
いったん、現状のデモコードは以下にコミットしています。
水中のセグメンテーションモデルSUIM-Netの味見です。
味見なのですが、後処理ミスってる気がする、、、
確認中です👀
SUIM-Net味見中👀
— 高橋 かずひと@マリオジェノサイダー🦔 (@KzhtTkhs) 2022年1月24日
何か公式リポジトリよりイマイチになってしまった、、、
後処理ミスったかしら、、、🤔 https://t.co/IDgZH5s2jR pic.twitter.com/IoPgPKy0IJ
いったん、現状のデモコードは以下にコミットしています。
BSRGANです。
綺麗ですが、捏造感が結構あります👀
あと重い🦔
BSRGAN味見中👀
— 高橋 かずひと@マリオジェノサイダー🦔 (@KzhtTkhs) 2022年1月23日
綺麗なのですが、作られた画像感が凄い🤔
あとボチボチ重くて128x128のGPU推論(GeForce GTX 1050 Ti)で320ms前後ある。 https://t.co/vdO5Jtqd77 pic.twitter.com/xw81VZwINv
デモコードは以下にコミットしています。
SCL-LLEお試しです。
中々バランス良さそう👀
ONNXのCPU推論が何故か激重なのですが。
SCL-LLE味見中👀
— 高橋 かずひと@マリオジェノサイダー🦔 (@KzhtTkhs) 2022年1月23日
CPU推論(Core i7-8750H)だと重い(2500ms前後)なのに、GPU推論(GeForce GTX 1050 Ti)だとかなり早く(15ms前後)なります。
性能は明るいところ暗いところのバランスが良さそう🦔 https://t.co/M2juvm3xqi pic.twitter.com/pAdgMzbdAY
SCL-LLEの明るいところチャレンジ。
— 高橋 かずひと@マリオジェノサイダー🦔 (@KzhtTkhs) 2022年1月23日
若干色味が薄れますが中々良さそう🦔 https://t.co/fVFwXNES5G pic.twitter.com/XGERu41xtQ
ちなみに、TFLite(model_float16_quant.tflite)だとCPU推論で150ms前後。
— 高橋 かずひと@マリオジェノサイダー🦔 (@KzhtTkhs) 2022年1月23日
ぼちぼち早い👀 https://t.co/fVFwXNES5G pic.twitter.com/uuhIBEqPBL
デモコードは以下にコミットしています。
NGK2022S(名古屋合同懇親会 2022新年会)で発表してきました🦔
昨年同様oViceとYouTubeライブを活用したオンライン開催でした。
今年も多種多様な発表があって、楽しかったですねー。
来年こそはオフラインハイブリッド開催されることを祈っています👀
昨年の「祈祷」に続き、今年のカオス発表「お雑煮」
また重そう。。
— 高橋 かずひと@マリオジェノサイダー🦔 (@KzhtTkhs) 2022年1月22日
これ行けるのか👀?
そして、からあげonお雑煮w
#NGK2022S pic.twitter.com/3mczkqBkto
今年の発表資料は以下です。
Unity製のプレゼンテーションです。
今回のLT資料の早回し録画版です👀
— 高橋 かずひと@マリオジェノサイダー🦔 (@KzhtTkhs) 2022年1月22日
※音声無し pic.twitter.com/z9lHcBgnLU
YouTubeライブは、チャプター振って各発表に飛べるようになっているし、
そのままアーカイブ公開される感じですかね👀?
追記:
AIマリオで全ステージクリアチャレンジで、
僕がトレーニングしたマリオも登場しています🍄
ブラー除去(MIMO-UNet)の味見をしています👀
確かに綺麗なのですが、、、
重い、、、
これは何かの前処理に使うには重い、、、
リアルタイムじゃないシステムなら使いどころあるかしら🤔
MIMO-UNet味見👀
— 高橋 かずひと@マリオジェノサイダー🦔 (@KzhtTkhs) 2022年1月16日
ブラーはちょうど良い画像とか動画を持っていないから、いつもコレで確認することになってしまう。
解像度上げると中々綺麗なのですが、、、
しょぼGPU(GeForce GTX 1050 Ti)推論で約4秒弱かかってしまう😇 https://t.co/AK5cdPhHlO pic.twitter.com/XuwmyEe0bJ
デモコードは以下にコミットしています。
YOLOPをお試ししています。
YOLOPはマルチタスクなネットワークで、車両検出、道路セグメンテーション、レーンセグメンテーションの3つのタスクをこなします🦔
YOLOPさん。
— 高橋 かずひと@マリオジェノサイダー🦔 (@KzhtTkhs) 2022年1月15日
訓練済みモデルが日本の道路と相性悪いのか、いまいちセグメンテーションが不安定な気がするんですよねー👀
マルチタスクで良いのですけども。 pic.twitter.com/bb8OShxWAA
オリジナルリポジトリは以下です。
ソースコードは以下にコミットしています。
オリジナルリポジトリのONNX推論サンプルが、
後処理でtorch tensor使ってたり、NMSにtorchvision使ってたりしてPyTorchに依存していたので、NumpyとOpenCVに置き換えています👻
DRBL味見中👀
若干ライトがきついかなー。。。
231_DRBL 味見中👀
— 高橋 かずひと@マリオジェノサイダー🦔 (@KzhtTkhs) 2022年1月15日
若干、ライトがきついかな🤔
ONNX CPU推論(Core i7-8750H)で、推論時間で150~180msくらいでした。 https://t.co/7f2MZzT9f9 pic.twitter.com/YsBoTqHczF
デモコードは以下にコミットしています。