Tekoälypohjainen hahmontunnistus – YOLO-algoritmin käyttöönotto, kouluttaminen ja käyttöliittymän kehittäminen
Kosonen, Jussi (2023)
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-2023052212617
https://urn.fi/URN:NBN:fi:amk-2023052212617
Tiivistelmä
Tämän toiminnallisen opinnäytetyön tavoitteena oli toteuttaa hahmontunnistusta esittelevä ohjelma Haaga-Helian AI-driver hankkeen käyttöön. Ohjelmassa tuli ajaa videokuvaa tietokoneen kamerasta tai muista lähteistä hahmontunnistuksen algoritmiin, ja esittää algoritmin antamat tulokset videon kanssa. Ohjelma rakennettiin käyttäen hahmontunnistukseen YOLOv8-algoritmia ja rakentamalla Python ohjelmointikielellä ja sille saatavilla olevilla kirjastoilla YOLO-algoritmin hahmontunnistusmallia käyttävä käyttöliittymä. Tässä raportissa kerrotaan tämän ohjelman rakentamiseen käytetyistä teknologioista, sekä käydään läpi ohjelman rakentamisen eri vaiheet. Lopuksi esitellään valmista ohjelmaa.
Raportin tietoperustassa keskitytään tässä projektissa hahmontunnistuksen ohjelmaa toteutettaessa käytettyihin teknologioihin. Ohjelmaa varten otettiin ensin käyttöön ja koulutukseen YOLOv8- algoritmi, jonka käyttöä myös kuvataan hieman raportissa. Projektissa käytössä olleiden laitteiden algoritmin koulutukselle asettamista haasteista johtuen, siirryttiin projektissa tämän jälkeen rakentamaan käyttöliittymää.
Käyttöliittymä rakennettiin käyttämällä C++ kielellä kirjoitettua QT –kirjastoa, jota käytettiin Python kielellä Pyside-sidoksella. Python on nykyisin yleisesti käytetty kieli koneälyn ja hahmontunnistuksen teknologioissa, ja YOLOv8-algoritmikin käyttää sitä. Tämän vuoksi käyttöliittymäkin rakennettiin Python kieltä käyttäen. Ohjelman rakentamisesta kerrotaan QT –kirjaston tarjoamien työkalujen käyttämisestä, sekä työkaluilla tehtyjen ohjelman osien yhdistämisestä ja niille toiminnallisuuden ohjelmoinnista. Käyttöliittymän rakentamisen jälkeen kerrotaan raportissa vielä YOLOv8-algoritmin kouluttamisesta.
Projektissa käytetty YOLOv8 algoritmi koulutettiin ensin testimielessä testiaineistolla, jota käytettiin ohjelman rakentamisessa ja lopulta, oman mallin kouluttamisen haasteista johtuen, ohjelman käyttämisessäkin hyödyksi. Algoritmille koulutettiin myös oma malli, jossa algoritmi opetettiin tunnistamaan sieniä, mutta mallin kouluttaminen sienien tunnistukseen osoittautui todella haastavaksi.
Raportin lopuksi esitellään valmis hahmontunnistuksen ohjelma, joka on jaettu Open Source –periaatteiden mukaisesti myös julkisesti GitHub –palvelussa. Lisäksi pohditaan vielä, mitä hyvää ja kehitettävää tuotoksessa ja projektissa olisi ollut. Osiossa mietitään myös ohjelman tekijän oppimista projektin aikana, sekä miten ohjelmaa voisi jatkokehittää.
Raportin tietoperustassa keskitytään tässä projektissa hahmontunnistuksen ohjelmaa toteutettaessa käytettyihin teknologioihin. Ohjelmaa varten otettiin ensin käyttöön ja koulutukseen YOLOv8- algoritmi, jonka käyttöä myös kuvataan hieman raportissa. Projektissa käytössä olleiden laitteiden algoritmin koulutukselle asettamista haasteista johtuen, siirryttiin projektissa tämän jälkeen rakentamaan käyttöliittymää.
Käyttöliittymä rakennettiin käyttämällä C++ kielellä kirjoitettua QT –kirjastoa, jota käytettiin Python kielellä Pyside-sidoksella. Python on nykyisin yleisesti käytetty kieli koneälyn ja hahmontunnistuksen teknologioissa, ja YOLOv8-algoritmikin käyttää sitä. Tämän vuoksi käyttöliittymäkin rakennettiin Python kieltä käyttäen. Ohjelman rakentamisesta kerrotaan QT –kirjaston tarjoamien työkalujen käyttämisestä, sekä työkaluilla tehtyjen ohjelman osien yhdistämisestä ja niille toiminnallisuuden ohjelmoinnista. Käyttöliittymän rakentamisen jälkeen kerrotaan raportissa vielä YOLOv8-algoritmin kouluttamisesta.
Projektissa käytetty YOLOv8 algoritmi koulutettiin ensin testimielessä testiaineistolla, jota käytettiin ohjelman rakentamisessa ja lopulta, oman mallin kouluttamisen haasteista johtuen, ohjelman käyttämisessäkin hyödyksi. Algoritmille koulutettiin myös oma malli, jossa algoritmi opetettiin tunnistamaan sieniä, mutta mallin kouluttaminen sienien tunnistukseen osoittautui todella haastavaksi.
Raportin lopuksi esitellään valmis hahmontunnistuksen ohjelma, joka on jaettu Open Source –periaatteiden mukaisesti myös julkisesti GitHub –palvelussa. Lisäksi pohditaan vielä, mitä hyvää ja kehitettävää tuotoksessa ja projektissa olisi ollut. Osiossa mietitään myös ohjelman tekijän oppimista projektin aikana, sekä miten ohjelmaa voisi jatkokehittää.