データの収集と注釈付けは、満足のいく画像分類結果を得るには面倒で時間のかかる作業になることが多くあります。 転移学習手法により、新しいクラスを追加するのに必要な画像数と学習時間を削減することで、この課題を克服できます。 このユース･ケースでは森林火災検出に応用し、火災発生の有無を検出しますが、他の多くの状況に適用可能です。
アプローチ
– チュートリアルでは、「転移学習」と呼ばれる手法を用いて画像分類用ディープ･ラーニング･モデルを素早く学習させる方法を紹介します。
– チュートリアルは、コンピュータ･ビジョンファンクション･パックFP-AI-VISION1をベースにしています。
センサ
画像：カメラ･モジュール･バンドル（リファレンス･ボード：B-CAMS-OMV）
データ
データセット：森林火災検出用データセット（ライセンス：CC BY 4.0）
データフォーマット：
2クラス：火災と非火災
RGB画像250 x 250 x 3
結果
モデル：MobileNetV2 alpha 0.35
入力サイズ：128 x 128 x 3
メモリ･フットプリント：
使用Flashメモリ：403KB（重みデータ）
使用RAM：225KB（アクティベーション･バッファ）
精度：
浮動小数点モデル：98%
量子化モデル：98%
性能（高性能マイコンSTM32H747 @ 400MHz使用時）
推論時間：112ms
フレームレート：8.9fps
