Outils pour utilisateurs

Outils du site


darknet_letters

Ceci est une ancienne révision du document !


Darknet Letters

Le fond noir ne convient pas, il faut une video !

De l'Intelligence Artificielle pour reconnaître des lettres dans différentes polices, convertir les lettres d'un texte en musique midi.

YOLO Darknet V3

Conclusion des différents apprentissages

  • 380 objets
  • Images de 416×416
  • 5.5 jours d'apprentissage
  • Ne pas mettre de fond noir
  • Les zones de définitions des objets dans les images doivent être un peu large
  • Mettre un peu de flou dans les images

Hardware

  • GPU Nvidia 1060 GTX
  • RAM de 16 Go
  • RAM GPU de 6 Go
  • SWAP de 64 Go sur SSD

Les sources sur GitHub

Le jeu letters pour créer les images d'apprentissage

Créer et testé sur Debian Buster 10

Le jeu Avec un fond video Avec un fond noir: la reconnaissance est très mauvaise

Conversion d'un fichier *.midi en *.json

Le fichier python darknet-letters/letters/midi/analyse_play_midi.py permet de:

  • jouer un fichier midi
  • convertir des fichier *.midi en *.json
  • jouer un fichier *.json

Principe de la conversion d'un fichier midi en json

Les fichiers midi sont très optimisés. La conversion en json permet d'accéder en python aux instruments, notes, volumes facilement.

Les fichiers *.midi (“.midi”, “mid”, “kar”, “Mid”, “MID”) doivent être copié dans le dossier darknet-letters/letters/midi/music

Les *.json seront créés dans le dossier “json”.

Message d'erreur

Pour éviter ce message:

fluidsynth: warning: Failed to set thread to high priority
fluidsynth: warning: Failed to pin the sample data to RAM; swapping is possible.

Editer:

sudo nano /etc/security/limits.conf

Ajouter:

@audio   -  rtprio      90
@audio   -  memlock     unlimited

Le user doit être dans le groupe audio!

Installation

sudo pip3 install numpy
sudo pip3 install opencv-python
# Blender 2.79b mais pas 2.80 qui n'a plus de BGE
sudo apt install blender
sudo pip3 install mido
sudo apt install fluidsynth

Installation de mon package perso: pymultilame

La Font midi peut être TimGM6mb.sf2 de Tim Brechbill qui est dans le dossier letters/midi/soundfont
C'est à définir dans letters.ini

Modification de la configuration

Règles générales

  1. Ne pas bidouiller les scripts, à moins que vous ne soyez hollandais.
  2. Si il y a un bug, corriger dans les scripts, toujours de façon explicite, et envoyer un message à l'auteur.
  3. Les modifications de configuration se font dans ./letters/letters.ini

Dans ce fichier, définir en particulier:

  • les chemins de /shot/ et /shot_jpg/
  • le nombre d'images à créer: 20000
  • la taille des images: 416

Le jeu letters

Dans le dossier darknet-letters, lancer

./play_letters.sh
 1 - Retour au logo
 2 - Lancement de letters
     SPACE pour changer de musique
 3 - Fabrication des shot pour l'IA
 4 - Conversion en json
 5 - Conversion d'une musique en image
 H - Help
 R - Reset
 Echap - Quitter

En 2: Les fichiers du dossier /json seront jouées.

En 3: Pour l'apprentissage, le fichier json/get_shot.json sera utilisé. Il a été construit avec darknet-letters/letters/midi/json_for_get_shot.py

En 4: Les fichiers midi sont traduits en json pour être facilement utilisé en python. Malheureusement, la conversion dans le Blender Game Engine est très lente, plusieurs heures au lieu de quelques minutes avec le script analyse_play_midi.py

En 5: Crée un jeu d'images pour ensuite tester l'IA avec show_letters.py

Création du set d'images pour l'apprentissage

Création des images

  • Création des images avec l'option 3.

Pour chaque image toto.png, un fichier fichier txt est créé pour décrire les objets dans l'image, avec le numéro de l'objet: voir Création du set d'apprentissage

Préparation de Darknet

Conversion

Tous les shot doivent être floutés et converti en jpg avec le script ./letters/darknet/blur_and_convert.py

Création des fichiers train.txt et test.txt

Avec le script ./letters/darknet/create_train_test_txt.py

Controle des fichiers txt de chaque image

Avec le script ./letters/control/control.py

Yolo V3 Darknet

Ressources

  • Recherche sur ressources universitaires avec Google scholar.

Installation de CUDA

Compilation de Darknet

Modification du Makefile pour une carte GTX 1060:

# ARCH= -gencode arch=compute_30,code=sm_30 \
#       -gencode arch=compute_35,code=sm_35 \
#       -gencode arch=compute_50,code=[sm_50,compute_50] \
#       -gencode arch=compute_52,code=[sm_52,compute_52] \
#       -gencode arch=compute_61,code=[sm_61,compute_61]

# GTX 1080, GTX 1070, GTX 1060, GTX 1050, GTX 1030, Titan Xp, Tesla P40, Tesla P4
ARCH= -gencode arch=compute_61,code=sm_61 -gencode arch=compute_61,code=compute_61

Détection de mes objets lettres

Dossier data

Dans les sources de YOLO Darknet:

  • Renommer le dossier data des sources de darknet en data_tata_yoyo.
  • Créer un dossier data avec:
    • train.txt
    • test.txt
    • obj.data
    • obj.names
    • yolov3.cfg
    • le dossier /backup

Fichier *.cfg

Copie de darknet/cfg/yolov3.cfg dans data, faire les modifications suivantes:

change line 8 and 9 to shot size = 640
change line batch to batch=64
change line subdivisions to subdivisions=64
change line max_batches to (classes*2000), soit 800 000
change line steps to 80% and 90% of max_batches, f.e. steps=640000,720000
 
change line classes=80 to your number of objects in each of 3 [yolo]-layers:
        Line 610
        Line 696
        Line 783
        classes=380
 
change [filters=255] to filters=(classes + 5)x3 in the 3 [convolutional] before each [yolo] layer
        Line 603
        Line 689
        Line 776
        filters = (classes + 5)x3 = (380 + 5) * 3 = 1155
 
Distinction main gauche main droite
ligne 17    flip = 0

train.txt test.txt

Les fichiers train.txt et test.txt doivent être collés dans data

exemple
/chemin/absolu/darknet-letters/letters/shot_jpg/0/shot_33.jpg
/chemin/absolu/darknet-letters/letters/shot_jpg/0/shot_18.jpg
/chemin/absolu/darknet-letters/letters/shot_jpg/0/shot_51.jpg
...
...

obj.names

Les noms doivent être dans l'ordre des numéro de classe des shot_xxx.txt

font_0_b
...
...
font_9_S
font_9_T

obj.data

Définit les chemins des fichiers utilisés: les chemins relatifs sont comptés depuis le dossier darknet, d'où sera lancé la commande de l'apprentissage:

./darknet .....
classes = 380
train = data/train.txt
valid = data/test.txt
names = data/obj.names
backup = data/backup

Apprentissage soit Training appelé train

Non! pas de locomotive à vapeur ici !

Hardware

RAM et SWAP

Lors de l'estimation de l'efficacité, les images de test définies dans test.txt sont certainement chargées en mémoire.

Avec 10% des images en images test, soit 3000 images 416×416, les images occupent:

  • RAM: 15.5 Go sur 15.7 Go
  • SWAP: 19.7 Go sur 64 Go

Prévoir une grosse SWAP, par exemple 64 Go !

Taille de la RAM GPU

  • RAM GPU > 4.5 Go

La taille maxi des images possible est 416×416 avec 6 Go de Ram GPU

Apprentissage avec yolov3.cfg

Dans le dossier /darknet:

./darknet detector train data/obj.data data/yolov3.cfg darknet53.conv.74 -map

Les chemins “data/…” doivent être cohérent avec obj.data, le dossier “backup” doit exister.

Modifications suite à apprentissage finissant sur une erreur

  • Test avec yolov3-tiny.cfg
  • Test avec yolov3_5l.cfg
  • Test avec yolov3-tiny_3l.cfg
  • Grosse erreur perso: dans shot_xxx.txt de l'image shot_xxx.png: non de l'objet au lieu du numéro de l'objet !
  • fond noir
  • fond noir remplacé par un nuage gris
  • nuage gris remplacé par une video de ciel !
  • Message dans le terminal: “Processus arrêté.” Achat de DDR3 1600 mHz 16 Go pour remplacer les 4 Go existants.
  • Diminution des superpositions avec size de 0.6 à 0.9
  • Images avec minuscules seules et images avec majuscules seules pour diminuer le nombre de lettres dans l'image et donc les superpositions.
  • Reprise des 400 images des lettres pour les cadrer serrées (20 heures de boulot) !
  • Ne pas déclarer des objets qui ne sont jamais dans les images !
  • SWAP de 64 Go au lieu de 8 Go

Essai 02

  • fond video
  • flou de 3 à 7
  • letters_scale = 1.09
  • 30 000 images
  • 90 000 itérations
  • Shadeless pas de variation de couleurs et éclairage

Résultat:

Pas mal mais trop de lettres ne sont pas reconnues, et certaines avec 2 reconnaissances. La musique résultante est reconnaissable. C'est le meilleurs résultat des essais 02 à 06

Essai 03

  • fond noir
  • pas de flou
  • taille 416
  • 50 000 images
  • vérification du nombre de lettres: objectif 2000 par lettres, réel 1948
  • changement du json utilisé par créer les shot: minuscules et majuscules séparées et pas de séparation des polices avec des canaux vides.
  • yolo_v3.cfg
  • letters_scale = 1.01
  • plage_x = 4.5
  • plage_y = 4.5
  • size_min = 0.6
  • size_max = 0.9
  • variation de couleurs et éclairage avec un Sun
  • début 25/09/2019 à 10h, fin 01/10/2019 à 6h55
  • 50 000 itérations

Efficacité 99% mais reconnaît très mal les lettres, et la détection de leur position très très large par rapport au réel. La musique résultante n'est pas reconnaissable.

Essai 04

  • Idem Essai 03 mais fond video
  • Relance de 50 000 itérations supplémentaires.

Reconnaissance médiocre ! La musique résultante n'est pas reconnaissable.

Essai 05

Modification par rapport à 4 et 3

  • fond video
  • flou: 3 à 7
  • taille 416
  • 50 000 images
  • yolo_v3_05.cfg
  • letters_scale = 1.08
  • plage_x = 4.5
  • plage_y = 4.5
  • size_min = 0.6
  • size_max = 0.9
  • variation de couleurs et éclairage avec un Sun

Très mauvaise reconnaissance !

yolov3-tiny_3l.cfg

For training for both small and large objects use modified models:

Essai 06

Le fichier tiny.cfg est paramétré pour 80 objets, et la doc dit qu'il est bien optimisé: Je cite pjreddie.com It's only 28 MB but more importantly, it's only 8×1010 floating point operations. The original Alexnet is 2.3*1012. Darknet is 2.9 times faster and it's small and it's 4% more accurate.

Même image que Essai 05, mais avec yolov3-tiny_06.cfg du Sémaphore, adapté pour 380 objets et images de 416×416.

Le fichier yolov3-tiny_06_best.weights fait 40,1 Mo, l'apprentissage est 2 fois plus rapide que yolov3.cfg, soit 2.7 jours

La reconnaissance est très décevante, le FPS sur HD5000 est de 1.8 au lieu de 0.4, mais trop de lettres ne sont pas reconnues.

L'analyse des % de reconnaissance calculés à la fin de l'apprentissage, montre que ce sont les lettres avec la couleur gris clair qui sont les plus mal reconnues.

Essai 07

  • size_min = 0.9
  • size_max = 1.2
  • shot_size = 416
  • blur_mini = 3
  • blur_maxi = 7
  • letters_scale = 1.07
  • sun_energy_min = 3
  • sun_energy_min = 4
  • sun_color_min = 0.6
  • sun_color_max = 1.0
  • police 0 en blanc au lieu de gris clair
  • les lettres sont plus grandes
  • le sun plus fort

Résultat:

Efficacité

name	font_0_i	85.00
name	font_0_l	85.79
name	font_2_j	87.91
name	font_2_q	89.78
name	font_2_o	90.16
name	font_2_g	90.20
name	font_0_n	90.22
name	font_1_I	90.57
name	font_1_J	91.31
name	font_2_I	91.33
name	font_0_e	91.56

Certaines lettres se ressemblent beaucoup et sont mal reconnues.

Essai 08

Suppression des majuscules: le volume sera défini à 127 pour toutes les notes, il ne reste plus que 190 objets ! 10 polices avec les lettres de b à t.

  • Moins de lettres par shot en corrigeant le script json_get_shot.py
  • Taille des lettres plus grandes
  • 76 000 images avec 10 lettres par image, les 10 b, 10 c, … 10 B, ..10 T
  • 50 000 itérations
  • fond = “video”
  • shot_size = 416
  • plage_x = 4.5
  • plage_y = 4.5
  • size_min = 1.0
  • size_max = 1.4
  • blur_mini = 0
  • blur_maxi = 6
  • letters_scale = 1.07
  • sun_energy_min = 3
  • sun_energy_max = 4
  • sun_color_min = 0.8
  • sun_color_max = 1.0

Reconversion d'images en musique

Test sur le jeu d'image de json_to_image

Et le script play_letters.py du dossier play_letters. Il faut copier les fichiers:

  • darknet.py
  • libdarknet.so

des sources compilées de darknet dans le dossier play_letters.

Créer les images de json_to_image avec l'option 5 du jeu letters.

Les fichiers midi qui seront convertis en images sont ceux de /letters/midi/music/non_git/pour_ia

Définir le FPS dans letters.ini dans la section [json_to_image]

Il n'y a que 10 canaux midi au maximum possibles.

Quel fond d'image utiliser ?

  • Nuages

  • Plasma

  • boney_m

  • Très foncé en RGB

Durée d'un calcul et consommation électrique avec yolov3.cfg

  • 50000 itérations de 50 000 images de 416×416 = 6 jours * 24 * 0.2 kW = kwh à 0.17 € le kWh soit 5 €

Quels matériels pour un apprentissage rapide ?

  • Quel serait le coût sur un Pentaflops ?
  • Et si La Labomedia achète un Pentaflops ?
  • timdettmers.com Which GPU(s) to Get for Deep Learning
  • www.quora.com avec un graphique qui teste alexnet (yolo ?) conseille une GTX 1080 Ti à 750€ (en fin de série) ou une RTX 2080 Ti 11GB à 1100€.
  • timdettmers.com A Full Hardware Guide to Deep Learning. La carte mère et le CPU peuvent être très modeste !
  • lambdalabs.com Deep Learning GPU Benchmarks - Tesla V100 vs RTX 2080 Ti vs GTX 1080 Ti vs Titan V
  • slavv.com/ Picking a GPU for Deep Learning
  • hackernoon.com How to create your own deep learning rig: A complete hardware guide

Remise spéciale Education

Benchmark

Bilan

Je suis un chercheur compétitif, près de mes sous, pauvre, fou d'apprentissage automatique et comme Salvador Dali du chocolat Lanvin: GTX 1060 (6GB) en fin de série à 200 € + 35 € de RAM dans un ordinateur d'emprunt !

Morale du jour

Einstein a dit:

“Deux choses sont infinies : l'Univers et la bêtise humaine.

Mais, en ce qui concerne l'Univers, je n'en ai pas encore acquis la certitude absolue.”

, ,
darknet_letters.1572288001.txt.gz · Dernière modification : 2019/10/28 18:40 de serge