18-04 Pythonの整数化→EXCELへと進む
●FPGA実装のために整数化
次にPythonを整数化します(movobj_int.py)。整数化の手法はGTSRBやlisa-croppedと同じになります。実行すると正解率は99.73％になりました（図18-30）。なお、整数化前の重み係数とバイアスはこれを使っています。 |
図18-30 正解率99.73％（整数化）
●FPGAに入りきるようにビット数削減
最後にビット数削減、リミッタ追加したPython（movobj_pred.py)を実行します。正解率は図18-31のように99.26％になりました。評価画像は1491個、そのうち1480個が正解、11個が不正解ということです。 |
図18-31 正解率99.26％（ビット数削減・リミッタ追加）
●人・車・バイク＋背景7クラスの判定例を見る
プログラムの最後に評価画像例とその判定結果が表示されます（図18‐32）。動くもの3クラス、背景7クラス、計10クラスそれぞれ3枚づつ、合計30枚あり、すべて正解しています。 |
図18-32 AccuracyとPredが一致している（各画像下に緑色で書かれる）
●PythonをEXCEL化する
表18‐03は上記movobj_pred.pyをEXCEL化したものです。その手法はGTSRBやlisa-croppedを参考にしてください。
表18‐03 各層のEXCELファイル
|
●重み係数とバイアスを生成してオーバライト
VBAで重み係数とバイアスのHDLを生成します。重み係数のHDLは各フォルダ(w1rom, w2rom,... w6rom)のファイルと置き換え、バイアスのHDLはconv_layer1〜6.vhd内のBIAS_XXと置き換えます。これらもGTSRBやlisa-croppedと同じように進めます。 |
●カメラエミュレータROM、推論ラベルパターンROMも置き換え
カメラエミュレータのHDLはcamromフォルダのファイルと置き換え、推論パターンのHDLはROM_PAT.vhdの中身と置き換えます。それらHDLの生成にはmov_misc_gen.xlsmを使用します。このEXCELの作成法・使用法もGTSRBやlisa-croppedを参考にしましょう。
●FPGA実装へと進む
生成されたHDLをQuartusプロジェクトにオーバライトして論理合成→プログラムします。それだけで認識のようすが違ってきます（道路標識／信号機認識だったものが人・車・バイクの認識になる）。 |
次のページへ
目次へ戻る
|