import torch import torchvision from torchvision.models.detection import fasterrcnn_resnet50_fpn from torchvision.models.detection import FasterRCNN_ResNet50_FPN_Weights from PIL import Image import matplotlib.pyplot as plt import matplotlib.patches as patches # =================================================== # 1. モデルのロード # =================================================== # 事前学習済みFaster R-CNN（COCO 80クラス） # weights=… で最新の重みを指定 weights = FasterRCNN_ResNet50_FPN_Weights.DEFAULT model = fasterrcnn_resnet50_fpn(weights=weights) # 評価モードに設定（推論時は必須） # これにより、Dropout や BatchNorm が推論用の動作になる model.eval() # GPUがあれば使用 device = torch.device(‘cuda’ if torch.cuda.is_available() else ‘cpu’) model = model.to(device) print(f”デバイス: {device}”) print(“モデルをロードしました”) # =================================================== # 2. 画像の前処理 # =================================================== # 前処理を取得（モデルに付属） preprocess = weights.transforms() # 画像を読み込み（PILで） # 実際に使う場合は ‘test.jpg’ を自分の画像に置き換えてください # image = Image.open(‘test.jpg’).convert(‘RGB’) # デモ用のダミー画像（実際は上のコードを使用） import numpy as np dummy_array = np.random.randint(0, 255, (480, 640, 3), dtype=np.uint8) image = Image.fromarray(dummy_array) # 前処理を適用 image_tensor = preprocess(image) # バッチ次元を追加（モデルはバッチ入力を期待） # (C, H, W) → (1, C, H, W) image_tensor = image_tensor.unsqueeze(0).to(device) print(f”入力テンソルの形状: {image_tensor.shape}”) # =================================================== # 3. 推論の実行 # =================================================== # 勾配計算を無効化（推論時は不要、メモリ節約） with torch.no_grad(): # モデルに画像を入力 # 出力は辞書のリスト（バッチサイズ分） predictions = model(image_tensor) # 最初の画像の予測結果を取得 pred = predictions[0] # 予測結果の中身を確認 print(f”\n予測結果のキー: {pred.keys()}”) print(f”検出数: {len(pred[‘boxes’])}”) # =================================================== # 4. 予測結果の取り出し # =================================================== # GPUからCPUに移動し、NumPy配列に変換 boxes = pred[‘boxes’].cpu().numpy() # Bounding Box [N, 4] labels = pred[‘labels’].cpu().numpy() # クラスラベル [N] scores = pred[‘scores’].cpu().numpy() # 信頼度スコア [N] print(f”\nBoxes shape: {boxes.shape}”) print(f”Labels shape: {labels.shape}”) print(f”Scores shape: {scores.shape}”) # =================================================== # 5. 信頼度でフィルタリング # =================================================== # 信頼度が閾値以上の検出のみを残す threshold = 0.5 mask = scores >= threshold filtered_boxes = boxes[mask] filtered_labels = labels[mask] filtered_scores = scores[mask] print(f”\nフィルタ後の検出数: {len(filtered_boxes)}”)

# =================================================== # COCOクラス名（81クラス: 背景 + 80カテゴリ） # =================================================== COCO_CLASSES = [ ‘__background__’, ‘person’, ‘bicycle’, ‘car’, ‘motorcycle’, ‘airplane’, ‘bus’, ‘train’, ‘truck’, ‘boat’, ‘traffic light’, ‘fire hydrant’, ‘N/A’, ‘stop sign’, ‘parking meter’, ‘bench’, ‘bird’, ‘cat’, ‘dog’, ‘horse’, ‘sheep’, ‘cow’, ‘elephant’, ‘bear’, ‘zebra’, ‘giraffe’, ‘N/A’, ‘backpack’, ‘umbrella’, ‘N/A’, ‘N/A’, ‘handbag’, ‘tie’, ‘suitcase’, ‘frisbee’, ‘skis’, ‘snowboard’, ‘sports ball’, ‘kite’, ‘baseball bat’, ‘baseball glove’, ‘skateboard’, ‘surfboard’, ‘tennis racket’, ‘bottle’, ‘N/A’, ‘wine glass’, ‘cup’, ‘fork’, ‘knife’, ‘spoon’, ‘bowl’, ‘banana’, ‘apple’, ‘sandwich’, ‘orange’, ‘broccoli’, ‘carrot’, ‘hot dog’, ‘pizza’, ‘donut’, ‘cake’, ‘chair’, ‘couch’, ‘potted plant’, ‘bed’, ‘N/A’, ‘dining table’, ‘N/A’, ‘N/A’, ‘toilet’, ‘N/A’, ‘tv’, ‘laptop’, ‘mouse’, ‘remote’, ‘keyboard’, ‘cell phone’, ‘microwave’, ‘oven’, ‘toaster’, ‘sink’, ‘refrigerator’, ‘N/A’, ‘book’, ‘clock’, ‘vase’, ‘scissors’, ‘teddy bear’, ‘hair drier’, ‘toothbrush’ ] # =================================================== # 検出結果を画像に描画する関数 # =================================================== def visualize_detections(image, boxes, labels, scores, class_names, threshold=0.5): “”” 検出結果を画像に描画する Args: image: PIL Image boxes: Bounding Box [N, 4] labels: クラスラベル [N] scores: 信頼度スコア [N] class_names: クラス名のリスト threshold: 表示する最小信頼度 “”” # Matplotlibで描画 fig, ax = plt.subplots(1, figsize=(12, 8)) ax.imshow(image) # 色のリスト（クラスごとに異なる色） colors = plt.cm.hsv(np.linspace(0, 1, len(class_names))) for box, label, score in zip(boxes, labels, scores): # 閾値以下はスキップ if score < threshold: continue # 座標を取得 x1, y1, x2, y2 = box width = x2 - x1 height = y2 - y1 # クラス名と色を取得 class_name = class_names[label] color = colors[label % len(colors)] # Bounding Boxを描画 rect = patches.Rectangle( (x1, y1), width, height, linewidth=2, edgecolor=color, facecolor='none' ) ax.add_patch(rect) # ラベルを描画 label_text = f'{class_name}: {score:.2f}' ax.text( x1, y1 - 5, label_text, bbox=dict(facecolor=color, alpha=0.7), fontsize=10, color='white' ) ax.axis('off') plt.tight_layout() plt.savefig('detection_result.jpg', bbox_inches='tight', dpi=150) plt.show() print("結果を保存しました: detection_result.jpg") # 可視化を実行 # visualize_detections(image, boxes, labels, scores, COCO_CLASSES, threshold=0.5)

import torch import torchvision from torchvision.models.detection import fasterrcnn_resnet50_fpn from torchvision.models.detection.faster_rcnn import FastRCNNPredictor # =================================================== # カスタムデータセット用にモデルを修正 # =================================================== def create_custom_faster_rcnn(num_classes): “”” カスタムクラス数のFaster R-CNNを作成 Args: num_classes: クラス数（背景を含む） 例: 犬、猫、鳥の3クラス → num_classes=4 Returns: 修正されたFaster R-CNNモデル “”” # 事前学習済みモデルをロード # weights=’DEFAULT’ で最新の重みを使用 model = fasterrcnn_resnet50_fpn(weights=’DEFAULT’) # 分類層の入力次元を取得 # roi_heads.box_predictor が分類と回帰を行う層 in_features = model.roi_heads.box_predictor.cls_score.in_features print(f”分類層の入力次元: {in_features}”) # 分類層を置き換え # FastRCNNPredictor: 分類（num_classes）+ Bbox回帰（4×num_classes） model.roi_heads.box_predictor = FastRCNNPredictor(in_features, num_classes) return model # 3クラス + 背景 = 4クラスのモデルを作成 num_classes = 4 # dog, cat, bird + background model = create_custom_faster_rcnn(num_classes) print(f”\n新しい分類層:”) print(model.roi_heads.box_predictor)

import torch import torch.optim as optim from torch.utils.data import DataLoader # =================================================== # 訓練の設定 # =================================================== # デバイス device = torch.device(‘cuda’ if torch.cuda.is_available() else ‘cpu’) # モデル num_classes = 4 model = create_custom_faster_rcnn(num_classes) model = model.to(device) # オプティマイザ # 学習可能なパラメータのみを渡す params = [p for p in model.parameters() if p.requires_grad] optimizer = optim.SGD( params, lr=0.005, # 学習率 momentum=0.9, # モメンタム weight_decay=0.0005 # 重み減衰（L2正則化） ) # 学習率スケジューラ lr_scheduler = optim.lr_scheduler.StepLR( optimizer, step_size=3, # 3エポックごとに gamma=0.1 # 学習率を0.1倍 ) # =================================================== # DataLoader用のcollate関数 # =================================================== def collate_fn(batch): “”” 物体検出用のcollate関数 物体検出では画像ごとに物体の数が異なるため、 通常のバッチ処理ができない。 画像とターゲットをタプルのリストとして返す。 “”” return tuple(zip(*batch)) # =================================================== # 訓練ループ # =================================================== def train_one_epoch(model, data_loader, optimizer, device): “”” 1エポックの訓練を実行 Args: model: Faster R-CNNモデル data_loader: 訓練データのDataLoader optimizer: オプティマイザ device: デバイス（cuda/cpu） Returns: 平均損失 “”” # 訓練モードに設定 model.train() total_loss = 0.0 num_batches = 0 for images, targets in data_loader: # データをデバイスに転送 images = [img.to(device) for img in images] targets = [{k: v.to(device) for k, v in t.items()} for t in targets] # 順伝播 # 訓練モードでは、モデルは損失の辞書を返す loss_dict = model(images, targets) # 損失を合計 # loss_dict = {‘loss_classifier’: …, ‘loss_box_reg’: …, # ‘loss_objectness’: …, ‘loss_rpn_box_reg’: …} losses = sum(loss for loss in loss_dict.values()) # 逆伝播 optimizer.zero_grad() losses.backward() optimizer.step() total_loss += losses.item() num_batches += 1 return total_loss / num_batches # =================================================== # 訓練の実行（データセットがある場合） # =================================================== # num_epochs = 10 # # for epoch in range(num_epochs): # # 訓練 # avg_loss = train_one_epoch(model, train_loader, optimizer, device) # # # 学習率更新 # lr_scheduler.step() # # # 結果を表示 # print(f’Epoch [{epoch+1}/{num_epochs}], Loss: {avg_loss:.4f}’) # # # モデルの保存 # torch.save(model.state_dict(), ‘faster_rcnn_custom.pth’) print(“訓練コードを定義しました”) print(“実際の訓練には、データセットとDataLoaderが必要です”)

import torch import torchvision from torchvision.models.detection import maskrcnn_resnet50_fpn from torchvision.models.detection import MaskRCNN_ResNet50_FPN_Weights # =================================================== # Mask R-CNNのロードと推論 # =================================================== # 事前学習済みMask R-CNN（COCO） weights = MaskRCNN_ResNet50_FPN_Weights.DEFAULT model = maskrcnn_resnet50_fpn(weights=weights) model.eval() device = torch.device(‘cuda’ if torch.cuda.is_available() else ‘cpu’) model = model.to(device) print(“Mask R-CNNをロードしました”) # 推論（image_tensorは前と同じ） # with torch.no_grad(): # predictions = model(image_tensor) # pred = predictions[0] # Mask R-CNNの出力 # ・boxes: Bounding Box [N, 4] # ・labels: クラスラベル [N] # ・scores: 信頼度スコア [N] # ・masks: マスク [N, 1, H, W]（0〜1の確率） # masks = pred[‘masks’].cpu().numpy() # print(f”マスクの形状: {masks.shape}”) # マスクを2値化（閾値0.5） # binary_mask = masks[0, 0] > 0.5 print(“\nMask R-CNNの出力:”) print(“・boxes: Bounding Box [N, 4]”) print(“・labels: クラスラベル [N]”) print(“・scores: 信頼度スコア [N]”) print(“・masks: マスク [N, 1, H, W]”)