Progreso junio 2023 - RoboticsURJC/tfg-dcampoamor GitHub Wiki

Progreso junio 2023

SEMANA 24 (29/05/2023-04/06/2023)

SEMANA 25 (12/06/2023-18/06/2023)

Semana 24 (29/05/2023-04/06/2023)

  • Detección de fresas en webcam con TensorFlow con modelos no pre-entrenados (faster rcnn resnet101 v1 640x640)

    Se intentó entrenar otro modelo diferente con el algoritmo, siguiendo los mismos pasos que anteriormente, obteniendo los siguientes problemas:

    Import Error

    Para solucionar esto, se ejecutó el comando protoc object_detection/protos/*.proto --python_out=. en la ubicación /RealTimeObjectDetection/Tensorflow/models/research/object_detection y posteriormente, introducir el programa string_int_label_map_pb2.py en el archivo protos con la ubicación /home/dcampoamor/RealTimeObjectDetection/Tensorflow/models/research/object_detection/protos.

    El siguiente problema que se encontró al solucionar esto fue el siguiente:

    Assertion Error

    Se cambió en el archivo pipeline.congif la siguiente línea:

    fine_tune_checkpoint_type: "classification"

    Por:

    fine_tune_checkpoint_type: "detection"

    pipeline faster rcnn resnet

    Y para solventar el problema del exceso del 10% de la memoria libre del sistema al llevar a cabo este cambio y volver a ejecutar el comando para entrenar el modelo, se cambió en el mismo archivo pipeline.config el tamaño del batch_size de 4 a 2.

    Al continuar ejecutando el cuaderno de Jupyter Ripe strawberries detection my_faster_rcnn_resnet101 en el bloque 8. Detect in Real-Time se encuentra el siguiente error:

    Name Error image

    Debido a una copia previa al archivo definitivo de Ripe strawberries detection my_ssd_mobnet.ipynb, existían cambios que no se habían aplicado en el archivo Ripe strawberries detection my_faster_rcnn_resnet101.ipynb

Semana 25 (12/06/2023-18/06/2023)

  • Detección de fresas en webcam con TensorFlow con modelos no pre-entrenados (faster rcnn resnet101 v1 640x640)

    Tras el entrenamiento de un segundo modelo (faster_rcnn_resnet101_v1_640x640) para poder comprobar como variaba la detección de las fresas según el modelo que se utiliza, a la hora de ejecutar el programa, se detecta que los FPS con este modelo son muy bajos, siendo poco fluida la detección como se puede observar en el Video primera ejecucion my_faster_rcnn_resnet101.

    star

    end of training

    Además, en este vídeo, se puede observar que pese a haber cambiado únicamente el modelo para el entrenamiento, no se realizan recuadros sobre la fresa, siendo un problema esto, por lo que se revisará el archivo pipeline.config por si hubiera podido pasar por algún dato que no estuviese puesto como debería.

    Se volvió a entrenar desde cero el modelo, para ver si algún proceso a seguir según el cuaderno de jupyter se pudiera haber hecho mal, provocando que no se detectasen las fresas posteriormente, pero se obtuvo el mismo resultado negativo que el explicado anteriormente.

  • Elaboración de la memoria

    De manera paralela a la consecución de pruebas, se inició la elaboración de la memoria del trabajo.