Software pro rozpoznání jednotlivých zvířat v chovné hale na základě obrazových dat

Pro vytrénování modelu sloužícího ke stanovení hmotnosti zvířete byla využita architektura konvoluční neuronové sítě YOLO. V rámci trénovacího procesu bylo nutné optimalizovat hyperparametry Learning rate, Batch size a Optimizér.

Learning rate (LR) je hyperparametr optimizéru, který určuje velikost změny v každé iteraci, tj. jak rychle se posunujeme ve směru lokálního optima. Z praktického pohledu na kvalitu nalezených výsledků, příliš velké LR způsobí tzv. overfitting, tj. model se příliš rychle specializuje na nalezené lokální optimum, a nedosáhne optima globálního. Což vede v konečném důsledku k horším dosaženým výsledkům. Příliš malé LR naopak vede k velmi pomalému procesu trénování, tedy v přiděleném čase nemusí konvergovat do optima.

Batch size (BS) je velikost mini batch v každém kroku trénovaní. BS ovlivňuje trénování následujícím způsobem. Větší BS znamená vetší nároky na paměť GPU během trénování, vede k lineárnímu zrychlení trénování a dále velikost BS ovlivňuje stabilitu konvergence, a tedy nalezeného řešení.

Optimizér je z obecného pohledu postup, který říká, jak se v modelu při backpropagaci mají upravit váhy. Z praktického hlediska výběr vhodného optimizéru ovlivňuje jak kvalitu výsledného nalezeného řešení (konvergenci), tak dobu trénovaní.

Na základě porovnání vybraných metrik (Precision, Recall, mAP_0.5 a mAP_0.5:0.95) došlo k nalezení ideálních nastavení výše zmíněných hyperparametrů na hodnoty uvedené v tabulce 1.

Schopnost klasifikace vytrénovaného modelu je znázorněna pomocí matice záměn predikcí vyobrazené na obrázku 4, kde je zaznamenán počet případů, kdy nedošlo k detekci kuřat na obrazcích a byly tak vyhodnoceny jako pozadí. Na obrázku 5 je vizualizován průběh pozorovaných metrik během procesu trénování detekčního modelu. V průběhu všech 300 epoch se získané hodnoty všech metrik zlepšovaly, čímž se zpřesňoval výsledný vytrénovaný model. Predikce detekce sledovaných objektů vytrénovaným modelem konvoluční neuronové sítě architektury YOLO je představena na obrázku 6. 

Pro nasazení v rozdílných stájových prostředích je doporučen nejprve testovací provoz spojený se sběrem dat, která jsou následně použita k přetrénování původního modelu, čímž dojde k zpřesnění predikce definovaných tříd. Samotné přetrénování modelu pro konkrétní podmínky provozu probíhá na výkonném GPU serveru, pro následnou aplikaci SW v reálném provozu zahrnující provedení inferencí vedoucí k získání detekcí požadovaných objektů již není potřeba tak velké množství výpočetního výkonu, avšak nároky nelze generalizovat, jelikož se odvíjí od počtu kamer snímající vstupní data, požadované frekvence prováděného vyhodnocení i složitosti implementovaného CNN modelu. Pro analýzu obrazu ze dvou kamer o frekvenci jednou za sekundu lze doporučit výpočetní stanici obsahující GPU s níže uvedenými minimálními hardwarovými parametry.