SCは今年発売されたばかりのモデルなので、マイナーチェンジがあるとしても、むこう数年はなにかしらの参考にしていただけるのではと思います。

購入機のスペック

• 外寸　　幅 約273.2mm×奥行き 約208.9mm×高さ 約19.9mm
• 重量　　約0.949kg（付属バッテリーパック装着時）
• CPU　　Core™ Ultra 7 プロセッサー 255H
• メモリ　64GB LPDDR5X SDRAM
• SSD　　1TB
• モデム　無し

CF-SC6を選んだ理由

主業務とモバイル兼用。デスクでは外付けモニタを常時使っているので、モバイル環境を優先して小型軽量機をターゲットにしました。

64GBモデルは非常に高価ですが人気があるようで、注文から納品まで50日近く要しました。

プレミアムエディションだからモノが良いのか

「プレミアムエディションだから作りがすばらしい」的な意見を聞くことがありますが、作り自体はプレミアムエディションもスタンダードモデルも変わらないと思っています。スタンダードモデルも丁寧に組み上げられているので、何の心配も要りません。

では、価格差の原因はなにかといえば、単純に選べるスペックと保証内容の差で、私はこれまでThinkPadを長く使ってきましたが、プレミアムエディションと同等クラスのモデル・保証を選択すると、おおよそ同じような価格帯になります。

しかし、保証に対する考え方は人それぞれです。たとえば、個人の場合は月額制で複数のデバイスを保証する保険もありますので、そちらでカバーしたいという方がおられるかもしれません。また、スペックも「CPUはCore Ultra 5で良いけれど、メモリはもうちょっと欲しい」とか、より柔軟に選択したい方がおられるかもしれませんが、今のところそれは叶いません。

スペックと保証内容は自由に選べる方が、多くのユーザーにとってはありがたいだろうと思います。

いざ、開梱

この段ボールを設計する人、すごいなあと感心します。自分で設計・作成できたら楽しそう・・・

天板側はSVやSZの頃と比べるとスッキリしていますね。SRと比べるとヒンジの形状が変わっているのが分かります。

バッテリーがスライダーを使った脱着式からネジ止め式に変わりました。これによりバッテリー容量が大きくなり、本体の堅牢性向上にも寄与しているそうです。

ドライバーが無いとバッテリー交換できないじゃないかという意見もありますが、ドライバーを持っていたとて、セカンドバッテリー搭載機でなければ、バッテリーを交換するためには一度PCをシャットダウンしなければなりません。

今は電源を使えるカフェが増えたり、客先でもコンセントをお借りできることが多くなりました。そう考えると、その日の行動にあわせて小型のアダプタなりモバイルバッテリーを持ち歩く方が、スペアバッテリーを持ち歩くよりもメリットが大きいように感じます。

とはいえ、携行品に制限がある場合もあるでしょうから、ドライバーを使わずに脱着できるとより多くの人にとって好ましいだろうと思います。

電源投入前所感

初回電源投入時はアダプタ接続必須です。本体との接続は従来のバレル型からType-C(PD)になりました。汎用性があってこれはこれで良いのですが、資料などを置く場所確保と、USBポートは外部機器用に空けておきたい派なので、自宅ではアマゾンで購入したバレル型のケーブルに付け替えています。

ZEKE 充電ケーブル レッツノート(Panasonic)用 パソコン PD Type-C – DCプラグ外径5.5mm-内径2.5mm 45W/65W対応 15Vトリガーケーブル 1.5m（アフィリエイトリンクです）

あと、アダプタ本体がレッツノートを模したデザインになりました。小型軽量ですしかわいいなと思うものの、もしこの開発コストで本体価格がいくばくかでも上がったのであれば、従来のアダプタで良かったと思います。

さて、アダプタをつないで電源を入れます。これも話題になっていますが、電源スイッチが本体側面のスライド式からキーボード面のボタン（指紋センサー兼用）に変わりました。

　　

　　電源ボタン兼指紋認証センサー↓　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　

こことか→　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　 ←こことか　　　　　　　　　　持つかも　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　 持つかも

辛口と称するYouTubeのレビュー動画を見たら、電源ボタンがこの位置になった理由を開発陣から聞いて「ナルホド！」と大げさに納得した感を出しておられました。カバーを開いたままPCを持ち歩くとき、ヒンジ付近をつまんで持つ方がおられるので、誤って電源ボタンに触れてしまわないようあの位置になったのだそうです。

（心の声：それなら、あんな微妙な位置ではなくど真ん中でええやん・・・）

なお、本体前面にあった電源・充電・ストレージのアクセス状況などを示すインジケーターは残されています。

あと、私の買ったモデルはモデム非搭載ですが、搭載機の場合は本体右側面にSIMカードスロットがあります。以前はバッテリーを取り外した奥にありましたが、バッテリーがネジ止め式になったので本体側面へ移動させたのだろうと思います。

SIMカードスロットの蓋が開け閉めしにくいというレビューもありましたが、SIMカードは一度入れたらそうそう取り出すことはないと思うのです（1つのSIMを複数のデバイスで使い回すのでしょうか？）。

「開け閉めし易いか？」という質問に対しては「しにくいです」という答えになるかもですが、私の場合は別に困らないと思います。

電源投入

どうということはなく、見慣れたWindows 11です。

消費電力や排熱はかなり細かく制御されている印象です。レッツノートのファンは騒々しいイメージでしたが、このマシンは比較的静かで、手持ちのThinkPadよりSCの方が一枚上手です。ただ、それはCore UltraとRyzen AIとか、その辺の違いが影響しているのかもしれません。

ちょっとうれしいこと

左手に持ったiPhoneで撮影しました。膝上などではきびしいですが、デスクの上だと片手でカバーを開閉できます。地味に便利です。

キーボードとタッチパッド

IMEのON・OFFキー（半角/全角）はWindowsしか使わない、レッツノートユーザー以外の方にとっては変態的な位置にあると言えます。あと、個人的にはCopilotキー不要で、それなら右Altキーの方がよかったです。

Macを使った経験のある方にとっては、数字の1が左端にあるのはおなじみです。IMEのON・OFFは、変換・無変換キーにアサインするとしっくりくると思います。

これまでのレッツノートと異なり、左下のCtrlとFnの位置が入れ替わりました。重箱の隅をつつけばそれぞれのキーの大きさが違うということになりますが、元々BIOSやユーティリティで入れ替えできたので、私にとっては見た目が変わっただけで使い勝手に影響ありません。

キーボードそのものは剛性感もあって完成度は高いです。キーストロークが2mmあるのはとてもありがたくて、日頃はHHKBを使っていますが、SC本体だけで長時間入力するのもそう辛くありません。少し重ための打鍵感も心地よいです。ただ、キーを打ち付けるように入力する方は、剛性感の高さゆえ少し指が痛くなるかもしれません。

リーフ型キーボード・・・正直その効果がよく分かりません。もしリーフ型になっていないレッツノートがあったなら、比べてみたら違うのでしょうか。

タッチパッドは個人的に10段階評価（10が最高）で6.5か7くらいです。タッチ感がそう気持ちいい訳ではなく、思い通りに動かせるかと言われれば思い通りに動かないときもあって「使える環境ならマウスを使う」、そんな感じです。

あと、ThinkPadを使っているからそう感じるのかもしれませんが、タッチパッドの円形デザインを活かして、クリックボタンを円の下側だけでなく上側にも付けてほしいと思いました。（ThinkPadはタッチパッドの上部にクリックボタンがあります）。

マシンパワー

Visual StudioやVisual Studio Code、Cursorなどを使ったプログラミングやメール・ドキュメント作成は何ら問題ありません。64GBメモリはマルチタスクをおおいに助けてくれます。

NPU搭載のCore Ultra 7 255Hですが、LLMは厳しいと思います。軽量なモデルであれば動作するかもしれませんが、軽快に動くことと実用に値することは別の問題なので、クラウドAIを使いながら効率よく作業するのが吉です。

バッテリーのスタミナ

まだがっつり一日外で作業したことがないのですが、前述の用途であればさほど心配要らないと思います。批判の多い解像度(1920×1280)ではありますが、バッテリーのスタミナには大いに貢献していると思います。

ディスプレイ

昔のレッツノートの液晶は本当に酷かったと思いますが、今のモデルは何の心配も要りません。3:2の縦横比も私は気に入っています。FCはどうして16:10に戻しちゃったのでしょうね？

SCのディスプレイ解像度は1920×1280で、設定の「拡大/縮小」は125%が推奨値です。

ちなみに手持ちの14インチThinkPadはFHDディスプレイで150%が推奨値。不思議なのですが、私にはThinkPadは125%の方が見やすくて、SCは150%の方が見やすいです。

コーディングや文書入力がメインなので、発色で困ったことはありません。一般の方が楽しむ分には、写真の表示もなんら問題ないと思います。

ブラックは汚れが目立つ？

私は悲しいくらい皮脂汚れで悩むタイプです。汚れないか？と言われれば「汚れます」ということになりますが、クロスで拭けば普通に取れます。ThinkPadではちょいちょい無水エタノールが出動しますが、SCではまだそこまで必要を感じていません。

今のところ唯一の不満

キーボードバックライトが無いことです。外出先では手元が暗いことも多いので、これは非常に不便です。消費電力を気にしているとしても、バックライトは任意にON・OFFできますから、これはなんとか実装して欲しかったです。

あと、できればSDカードリーダーは残してほしかったです（セキュリティを気にするならBIOSで止めるとか、他にやり方はあると思うのです）。

まとめ　SCプレミアムエディション、人に勧めますか？

今まで買ったパソコンの中で一番高額な買い物でしたが、ビルドクオリティの高さや手厚い保証もあるので、保証期間内は何の心配も無く使い続けられると思っています。

一方で、このマシンが5年後どのような立ち位置にあるのだろう？と考えることはあります。特に気になるのは、NPUが今後どのようにパソコンの使い方を変えていくかという点です。

たとえば、SCはCopilot+ PCではありません。私としては今のところ、なんとしても手に入れたいCopilot+ PCの機能が一つも無いので困っていませんが、もし数年内に「これは！」と思う機能がCopilot+ PCに実装されたとしたら、SCではそれを使うことができません。

PC調達の別のアプローチとして、安価で必要十分なものを短いスパンで買い換えるという考え方があります。不満がなければそのまま使い続けられますし、あらたに魅力的なモデルが出てきたら、買い換えや買い増しを検討するのも私は悪い選択ではないと思います。

一口にモバイルPCと言っても軽量化に特化したもの、質実剛健なもの、最新スペックを取り入れたもの、スタイリッシュなもの・・・色々あります。軽量化や最新スペックを求めるのであれば、多分レッツノートではないと思います。あと、正直に言えば、使っていてワクワクする類いのマシンでもありません。

では、一体どこが良いのか。

私が思うに「当たり前のことを当たり前にこなす道具」としては最高だと思います。クルマで言うと「走る・曲がる・止まる」がちゃんと出来るクルマ。

買って直ぐ気付く良さというよりも、ある程度使い続けて時間が経ったときに「レッツノート、やっぱり良いな」と、かみしめると言えば大げさですが、しみじみ感じるようなものかもしれないと思います。

ご興味をお持ちの方、安心してお求めください！

Python+OpenVINOで動体検知に挑戦（人数カウント）　Part1

ラズパイを買った頃に面白がって色々やっていたのですが、その後はすっかりご無沙汰でした。先日仕事がらみで試してみたいことができたのでPythonやOpenVINOを使おうと思ったら、なにもかも忘れ去っていたり環境が変わっていたので久々の覚書記...

sandambara.com

2022.10.23

必要なモジュールをインストール

こちらのコマンドでインストールします。

requirements.txtはダウンロードしたyas-simさんのフォルダ直下にあります。私の場合は「C:\sandambara\object-tracking-line-crossing-area-intrusion-master\requirements.txt”」なのでこのような感じです。

数分かかります。

モデルのダウンロード

ダウンロードするためのコマンドを調べました。

omz_downloader --list models.lst

models.lstはrequirements.txtと同じ場所にありますので、私の場合はこうなります。

omz_downloader --list C:\sandambara\object-tracking-line-crossing-area-intrusion-master\models.lst

ダウンロードされたものはこちらです。

ソースコードの調整

yas-simさんのソースコードを環境に合わせて調整します。といっても調整が必要なのは1-3か所だけです。

• 233行目のコメントを解除
• 235行目の640を745に変更
• USB外付けカメラを使う場合は234行目および267行目をcap = cv2.VideoCapture(1)にする

1つめと3つ目はwebカメラを使うための設定です。カッコの中の数字ですが、本体内蔵カメラの場合はcap = cv2.VideoCapture(0)、USBカメラを使う場合はcap = cv2.VideoCapture(1)です。本体に2つカメラがあるモデルだと0と1が本体用の番号で、USB外付けカメラはcap = cv2.VideoCapture(2)となります。

2つ目はオリジナルコードのままだとウインドウX軸方向の表示領域が狭かったので変更しました。

ということで、本体内蔵カメラを利用する場合の調整箇所は1か所のみ。外付けカメラを利用する場合は3か所修正します。

調整が終わったら忘れずに保存しておきましょう。

いざ実行！

久しぶりにOpenVINOを使ってみて驚いたのは、予めsetupvars.batを実行させなくても良くなっていたことでした。これは環境変数を一時的にセットするもので、実行を忘れるとあれ？あれ？？となりがちだったのです。忘れっぽい私にとっては有難いモディファイでした。

では、コマンドプロンプトを開いて実行してみます。今回の手順で環境を構築された場合は最初にカレントディレクトリをルートに変更します。これを忘れるとエラーまみれになりますから注意が必要です。

cd \

「python（半角スペース）」まで入力し.pyをコマンドプロンプトへドラッグアンドドロップすればこんな感じになるでしょうか。

C:\>python C:\sandambara\object-tracking-line-crossing-area-intrusion-master\object-detection-and-line-cross.py

祈りながらEnterキーを押下し、ドキドキしながら少し待つと・・・

今回のソースコードでは映像は左右テレコになるのですが、カメラの前を右に左に動いてみると4隅の数値が変わっていきます。こんなことを門外漢の私のような者が試せるなんて凄すぎます！

アイディア次第で色々使い道がありそうですね。皆さんも是非挑戦してみてください。

先日仕事がらみで試してみたいことができたのでPythonやOpenVINOを使おうと思ったら、なにもかも忘れ去っていたり環境が変わっていたので久々の覚書記事です。

動作環境

• Windows 11 Pro 21H2 (HP Dragonfly G2)
• Python 3.7.9
• OpenVINO 2022.1
• USB接続のWEBカメラ（PC本体内蔵のものでもOK）

謝辞

以前から興味を持って訪ねさせて頂いていて、目からレーザービームが出るのとかよく子供と遊びました。

ここがなかったら自力では絶対無理でした。素晴らしいコードを公開くださったyas-simさんに感謝を捧げます。

GitHub - yas-sim/object-tracking-line-crossing-area-intrusion: Deep learning based object tracking with line crossing and area intrusion detection

Deep learning based object tracking with line crossing and area intrusion detection - yas-sim/object-tracking-line-cross...

github.com

Apache License 2.0です。

環境作成1　ソースコード他ダウンロード

yas-simさんのコード他一式をダウンロードします。私はzipでダウンロードしc:\sandambara直下へ展開しました。

環境作成2　Pythonインストール

こちらのサイトからPython 3.7.9をダウンロードします。私は「python-3.7.9-amd64.exe」を使いました。

Python Releases for Windows

The official home of the Python Programming Language

www.python.org

インストーラーを実行します。画面一番下にある「Add Python 3.7 to PATH」にチェックをつけて「Install Now」をクリックします。ユーザーアカウント制御が出たら「はい」を選択しましょう。

そんなに時間はかかりません。

インストールが終わったら「Disable path length limit」を選択しておきます。ユーザーアカウント制御が表示されますので「はい」を選択しましょう。path length limitについてはこちらに解説があります。

Closeをクリックしてインストーラーを終了させます。

コマンドプロンプトを起動して「python -V」と入力→Enterキーでバージョン表示されることを確認しましょう。

Pythonのインストール完了です。コマンドプロンプトは閉じずにそのまま出しておいてください。

環境作成3　OpenVINOインストール

下記のサイトへアクセスし「Free Download」と書かれた青いボタンをクリックしましょう。

Access Denied

www.intel.com

EnvironmentのところはDevelopment toolsとRuntimeが選択できますのでRuntimeを選択します。

Versionはyas-simさんのREADME.mod「How To Run」にOpenVINO2021.3と指定があります。しかし、前文でこのように追記があります。

[ Update – 04-Apr-2022 ] OpenVINO API 2.0 support. Program is now compatible with OpenVINO 2022.1 (and not compatible with OpenVINO 2021 and older ones)

https://github.com/yas-sim/object-tracking-line-crossing-area-intrusion

OpenVINOのAPIが新しくなったのですね。作りっぱなしではなく新しい環境に合わせモディファイしてくださるとはなんとも有難いことです。2022.10.24時点の最新Versionは2022.2ですが、今回はyas-simさんが検証された2022.1を利用します。

公式サイトはこんな風になります。

サイトを少し下へスクロールするとダウンロードボタンがありますので、クリックしてダウンロードを開始します。

ダウンロードが完了したら「w_openvino_toolkit_p_2022.1.0.643_offline.exe」を実行します。ユーザーアカウント制御が表示されたら「はい」で進みます。インストーラーが起動したら「Continue」をクリックしましょう。

ライセンスの同意にチェックを付けたら「Continue」をクリックします。

こちらはお好みに応じて選択してください。いずれかのラジオボタンを選択したら「Install」をクリックしましょう。途中必要に応じてC++のRuntimeがインストールされます。

インストールが完了したら「Finish」をクリックします。

Part2に続きます。

Python+OpenVINOで動体検知に挑戦（人数カウント）　Part2

Part1の続きです。動作環境の確認などまだお済みでないかたはこちらをご参照ください。必要なモジュールをインストールこちらのコマンドでインストールします。requirements.txtはダウンロードしたyas-simさんのフォルダ直下にあ...

sandambara.com

2022.10.23

前提条件

こちらの記事ではRaspberry PiにOpenVINOとNCS2のセットアップする手順について書きました。今日はWindows 10で同じことをしてみようと思います。手元の環境は以下の通りです。

• Windows 10(64bit)　バージョン1909
• Core-i5-4210U
• メモリ 8GB

システム要件には「6th-10th Generation Intel® Core™ processors」とありましたが、上記環境でも動作しています（自己責任でお願いいたします）。

Visual Studioのインストール

Visual Studioをインストールします。

Windows、Mac、Linux 用の Visual Studio と VS Code のダウンロード

Visual Studio IDE または VS Code を無料でダウンロードします。 Windows、Mac で Visual Studio Professional または Enterprise エディションをお試しください。

visualstudio.microsoft.com

インストール途中でどの環境をセットアップするか尋ねられますので、C++を含めるようにしておきましょう。

Cmakeのインストール

Cmakeをインストールします。こちらからダウンロードしましょう。

Download CMake

You can either download binaries or source code archives for the latest stable or previous release or access the current...

cmake.org

ただし、今回初めてVisual Studioをインストールされた場合はバージョンが2019になりますが、この場合Cmakeのバージョンは3.14が指定されています。旧バージョンの入手先はこちらです。

Index of /files

cmake.org

私は上記リンク先からcmake-3.14.7-win64-x64.msiを入手しました。インストール実行時「Add Cmake to the system PATH…」のいずれかを選択します。通常は「for the current user」を選んでおけば良いでしょう。

Python3.6のインストール

以下のサイトからダウンロードします。私は3.6.1をダウンロードしました。

Python Releases for Windows

The official home of the Python Programming Language

www.python.org

インストーラーを実行します。最初の画面で「Add Python3.6 to PATH」にチェックをつけて「Install Now」をクリックし、インストール完了後「Disable path length limit」を選択してインストーラーを終了します。環境変数を読み込ませるため、ここでPCを再起動しておきましょう。

再起動後、コマンドプロンプトで下記コマンドを実行します。

Python -V

「Python 3.6.1」と表示されればOKです。

OpenVINOのインストール

下記サイトからインストーラーをダウンロードします。

https://software.intel.com/en-us/openvino-toolkit/choose-download/free-download-windows　

「Register & Download」から必要事項を入力して「Submit」をクリックします。　Companyは必須入力ですが、IndとかDevとか何か入力しておけばOKです。

ダウンロードしたファイル名は「w_openvino_toolkit_p_<version>.exe」になります。私がダウンロードしたファイルは「w_openvino_toolkit_p_2020.1.033.exe」でした。インストーラーの実行時に選択が必要なのは「情報収集に同意・不同意」だけで、あとは規定値のままインストールを進めます。インストールが完了すると公式ドキュメントのページが表示されます。

Archive — OpenVINO邃｢ documentation

docs.openvinotoolkit.org

インストール完了後に必要なコマンドを順に記載します。コマンドプロンプトを起動してください。

cd C:\Program Files (x86)\IntelSWTools\openvino\bin\

setupvars.bat

このバッチファイルでパスを通しますので、OpenVINOを利用する際は毎回実行が必要です。環境変数に書き込む方法もありますので、お好みでお選びください。

cd C:\Program Files (x86)\IntelSWTools\openvino\deployment_tools\model_optimizer\install_prerequisites

install_prerequisites.bat

OpenVINOが対応するフレームワークに応じ必要なファイルをダウンロード・インストールします。上記コマンドでは全フレームワーク分を一括ダウンロードします。必要に応じセットアップしたい場合は公式ドキュメントの「Option 2: Configure the Model Optimizer for each framework separately:」を参照してください。

cd C:\Program Files (x86)\IntelSWTools\openvino\deployment_tools\demo\

demo_squeezenet_download_convert_run.bat

セットアップが正常に行われたことを確認します。上記を実行し「Classification demo completed successfully」と表示されればOKです。では、デモを実行してみましょう。

demo_security_barrier_camera.bat

このような画像が表示されれば成功です！

NCS2ドライバのインストール

公式ドキュメントはこちらです。

https://software.intel.com/en-us/articles/get-started-with-neural-compute-stick　

冒頭プラットフォームごとにYouTubeのリンクがありますが、いずれも死んでいて参照できませんでした。

こちらの手順はあっさりしています。OpenVINOのインストールフォルダにあるMovidius_VSC_Device.infを右クリック⇒「インストール」を選択するだけです。

iniファイルのありかはこちらです。

C:\Program Files (x86)\IntelSWTools\openvino_2020.1.033\deployment_tools\inference_engine\external\MovidiusDriver\Movidius_VSC_Device.inf

早速動作確認しましょう。

cd C:\"Program Files (x86)"\IntelSWTools\openvino\deployment_tools\demo

.\demo_security_barrier_camera.bat -d MYRIAD

先ほどと同じ車の画像が表示されたら成功です！

NCS2を使ってみて

冒頭に記したスペックのマシンで同じスクリプトを「NCS2あり」「NCS2無し」で実行し、負荷をタスクマネージャーで確認しました。体感的にはNCS2無し、つまりノートPC単体で実行した方がややスムーズですが、NCS2ありのときと比べCPU使用率が25-30%上昇しました。

Core-i搭載マシンではNCS2をあえて使わなくても良いように思いますが、裏を返せばRaspberry Piのように非力なマシンでは絶大な威力を発揮すると言えるでしょう。

サンプルのビルド

C:\Users\%userprofile%\Documents\Intel\OpenVINO\inference_engine_samples_buildにある「Samples.sln」をVisual Studioで開き、「ALL_BUILD」をReleaseモードでビルドします。

ビルドが終わると、上記ディレクトリに「intel64」というフォルダが生成され、その中の「Release」直下にビルドしたファイルが保存されています。

Visual Studioを終了させ、コマンドプロンプトに戻りましょう。

モデルファイルの一括ダウンロード

推論で利用するモデルファイルですが、都度ダウンロードするのは面倒なので一括でダウンロードできる手段が用意されています。しかし、一括ダウンロードにはかなり時間がかかりますので、時間に余裕があるときに実行してください。私の環境では2時間半かかりました。

python "C:\Program Files (x86)\IntelSWTools\openvino_2020.1.033\deployment_tools\tools\model_downloader\downloader.py"  --all

コマンド中の「2020.1.033」はインストールしたバージョンに合わせてください。Enterキーを押下した瞬間からモリモリダウンロードが始まります。ゆっくりお風呂に入ってご飯を食べて、イッパイ飲んでも多分まだ終わっていません。。。

終わりに

こうやって文書にしてみると、意外とボリュームがあったので驚きました。本当は推論を行うコードにも触れたかったのですが、それはまたいずれかの機会にしようと思います。さて、最近情シス業務とは程遠いことばかりやっていました。私は一体何処へ向かおうとしているのでしょう？？

Intel Neural Compute Stick 2 - NCS 2 ニューラル ディープラーニング USB スティック

コンピュータビジョンと人工知能は、エッジでIoTデバイスを変革しています。 Intel Neural Compute Stick 2 (NCS 2) で、ディープニューラルネットワークアプリケーションのプロトタイピングを高速化します。 In...

amzn.to

今回の内容ですが、私の環境では公式ドキュメント、もしくはクラゲさまの記事に記載されている内容ではうまくいかない箇所がありました。環境依存なのか実行方法が誤っていたのか不明ですが、お気付きの点は是非ご指摘頂ければと思います。

作業用ディレクトリ作成と移動

ホーム直下にサンプルを展開するディレクトリ「build」を作成し、そのディレクトリへ移動します。

mkdir ~/build && cd ~/build

ビルド実行（１）

公式ドキュメントに記載されている通りに実行するとエラーになってしまいます。

エラーになる
cmake -DCMAKE_BUILD_TYPE=Release -DCMAKE_CXX_FLAGS="-march=armv7-a" /opt/intel/openvino/deployment_tools/inference_engine/samples

ディレクトリを確認したところ、コマンド末尾にあたる「/samples」直下に「C」「 CPP」「Python」とディレクトリが存在しており、「/samples/cpp」に修正するとうまくいきました。

成功　
cmake -DCMAKE_BUILD_TYPE=Release -DCMAKE_CXX_FLAGS="-march=armv7-a" /opt/intel/openvino/deployment_tools/inference_engine/samples/cpp

ビルド実行（２）

make -j2 object_detection_sample_ssd

ここはサラッと流します。

学習済みファイルについての注意事項

当初サンプルを何度実行してもエラーになるため、調べてみたら「OpenVINO 2020.1既知の問題で、ドキュメントにあるサンプルは失敗するため
別の重みファイル・モデルファイルを利用する」という記事に辿り着きました。

Access Denied

software.intel.com

ということで、別の学習済みファイルを用意します。

学習済みファイルダウンロード

公式ドキュメントではこのようになっています。

学習済み重みファイル
wget --no-check-certificate https://download.01.org/opencv/2020/openvinotoolkit/2020.1/open_model_zoo/models_bin/1/face-detection-adas-0001/FP16/face-detection-adas-0001.bin

学習済みモデルファイル
wget --no-check-certificate https://download.01.org/opencv/2020/openvinotoolkit/2020.1/open_model_zoo/models_bin/1/face-detection-adas-0001/FP16/face-detection-adas-0001.xml

前述の通り私の環境では上記ファイルを利用するとエラーになるので、代わりに下記のファイルをダウンロードしました。

学習済み重みファイル
wget --no-check-certificate https://download.01.org/opencv/2019/open_model_zoo/R3/20190905_163000_models_bin/face-detection-retail-0004/FP16/face-detection-retail-0004.bin

学習済みモデルファイル
wget --no-check-certificate https://download.01.org/opencv/2019/open_model_zoo/R3/20190905_163000_models_bin/face-detection-retail-0004/FP16/face-detection-retail-0004.xml

ダウンロードした2つのファイルは/home/pi/build直下へ移動させます。

画像ファイルの準備

顔認識に利用する画像ファイルを準備します。私はクラゲさまが紹介されていたサイトからダウンロードしました。

フリー素材のぱくたそ

「ぱくたそ」は、会員登録せずに今すぐダウンロードできる無料の写真素材・AI画像素材のフリー素材サイトです。一部を有料販売したり、枚数制限による課金など一切ありません。美しい日本の風景を中心に人物やテクスチャーなどの写真とAIで生成した背景画...

www.pakutaso.com

ダウンロードしたファイルを/home/pi/build直下に「input.jpg」として保存します。

サンプル１実行

公式ドキュメント記載のコマンドを一部修正します。

公式ドキュメント
./armv7l/Release/object_detection_sample_ssd -m face-detection-adas-0001.xml -d MYRIAD -i input.jpg

学習済みファイル差し替え後のコマンド
./armv7l/Release/object_detection_sample_ssd -m face-detection-retail-0004.xml -d MYRIAD -i input.jpg

モデルファイルにあたる部分のファイル名が変わっているだけですね。では、お待たせしました。NCS2をRaspberry PiのUSBポートに挿し（必ずUSB３.0のポートを使いましょう！）、上記コマンドを実行します。

成功すると、/home/pi/buildに「out_0.bmp」が生成されています。

画像ファイルはコンピューターにとって0と1の集合体。コンピューターはそこに写っている物が何であるのか分からない訳ですから（そもそも「人」とは何かを知らない）、それが「人」の「顔」を認識してマーキングする・・・何とも凄いことです！

サンプル2のための準備

2つ目のサンプルはPythonから実行します。学習済みファイルはサンプル1同様、別のファイルをダウンロードします。まずは公式ドキュメントのコマンドを見てみましょう。

学習済み重みファイル
wget --no-check-certificate https://download.01.org/opencv/2020/openvinotoolkit/2020.1/open_model_zoo/models_bin/1/face-detection-adas-0001/FP16/face-detection-adas-0001.bin

学習済みモデルファイル
wget --no-check-certificate https://download.01.org/opencv/2020/openvinotoolkit/2020.1/open_model_zoo/models_bin/1/face-detection-adas-0001/FP16/face-detection-adas-0001.xml

私はface-detection-adas-0001の代わりにace-detection-retail-0004をダウンロードしました。

学習済み重みファイル
wget --no-check-certificate https://download.01.org/opencv/2019/open_model_zoo/R3/20190905_163000_models_bin/face-detection-retail-0004/FP16/face-detection-retail-0004.bin

学習済みモデルファイル
wget --no-check-certificate https://download.01.org/opencv/2019/open_model_zoo/R3/20190905_163000_models_bin/face-detection-retail-0004/FP16/face-detection-retail-0004.xml

ダウンロードした2つのファイルを/home/pi/build直下へ移動させましょう。次に/home/pi/build直下へ適当なファイル名.pyを作成します。まずは公式ドキュメントのコードをご覧ください。

適当なファイル名.py

import cv2 as cv
# Load the model.
net = cv.dnn_DetectionModel('face-detection-adas-0001.xml',
                            'face-detection-adas-0001.bin')
# Specify target device.
net.setPreferableTarget(cv.dnn.DNN_TARGET_MYRIAD)
# Read an image.
frame = cv.imread('/path/to/image')
if frame is None:
    raise Exception('Image not found!')
# Perform an inference.
_, confidences, boxes = net.detect(frame, confThreshold=0.5)
# Draw detected faces on the frame.
for confidence, box in zip(list(confidences), boxes):
    cv.rectangle(frame, box, color=(0, 255, 0))
# Save the frame to an image file.
cv.imwrite('out.png', frame)

修正が必要なのは下記部分です。

# Load the model.
net = cv.dnn_DetectionModel('face-detection-adas-0001.xml',
                            'face-detection-adas-0001.bin')

# Read an image.
frame = cv.imread('/path/to/image')

• face-detection-adas-0001をface-detection-retail-0004へ
• cv.imread(‘/path/to/image’)をcv.imread(‘input.jpg’)

サンプル2実行

計３箇所修正できたら、ターミナルより実行します。

python3 適当なファイル名.py

成功すると/home/pi/buildに「out.png」が生成されています。

いかがでしょうか。私はPythonもLinuxも推論も初心者ですが、それでもコードの量が少なく、然程難解ではないことに驚かされました。

この後Windwos10+NCS2、そしてWindows10単体でのサンプル実行にも挑戦したので、そちらについてもまた書いてみたいを思います。興味をお持ちの方は是非挑戦して見てください！

Amazon.co.jp: OpenVINO

Amazon.co.jp: OpenVINO

amzn.to

本記事を掲載するにあたり、参考にしたサイトはこちらです。

ゼロから学ぶディープラーニング推論

Neural Compute StickとOpenVINOを使って、ディープラーニングの推論をゼロから徹底的に学び、オリジナルAIガジェットを作ります。

jellyware.jp

「参考にした」というよりも、この記事と出会っていなければ推論を自分で試すことは無かったと思います。素晴らしい記事を公開して下さったことに感謝申し上げます。

OpenVINO Toolkit

公式ドキュメントはこちらです。当たり前ですが普通に英語です。

Archive — OpenVINO邃｢ documentation

docs.openvinotoolkit.org

ドキュメント参照時の注意事項

昨今英語のページを参照するとブラウザから機械翻訳するかどうかを聞かれます。日本語で読めると体にはやさしいのですが、機械翻訳でコマンド表記が崩れてしまうため注意が必要です。下記の例ではパスが変わっているのにお気付きでしょうか？

英文表記
sudo mkdir -p /opt/intel/openvino

日本語表記
sudo mkdir -p / opt / intel / openvino

私はこれに気付かず翻訳後のページからコマンドをコピペしてしまい、不毛な時間を過ごす羽目になりました・・・

ということで、もし和文を参照したい場合、sandambaraは英文・和文とタブを2つ開けておき「和文で概要をつかんで英文からコマンドをコピペ」をオススメします。しかし、然程難解なドキュメントではありませんでしたので、英文だけでも十分作業可能だと思います。

以下の作業は全てコマンドラインで実施していますが、フォルダの作成やファイルのダウンロードはGUIで行っても問題ありません。

インストールディレクトリ作成

OpenVINOのインストールディレクトリを作成します。

sudo mkdir -p /opt/intel/openvino

ダウンロードディレクトリに移動

cd Downloads

ここでは/home/pi/Downloagsへパッケージを保存する前提ですので、たとえばホーム直下にworkというフォルダを作ってそこで作業する場合はこのようになります。

mkdir /home/pi/work
cd work

パッケージをダウンロード

本記事執筆時（2020年3月中旬）最新バージョンは「2020.1.023」ですのでこちらを取得します。旧バージョンをダウンロードする場合は必要に応じて「2020」「2020.1」「2020.1.0203」あたりを書き換えてあげれば良いと思います。

wget　https://download.01.org/opencv/2020/openvinotoolkit/2020.1/l_openvino_toolkit_runtime_raspbian_p_2020.1.023.tgz

インストールディレクトリに展開

上記で取得したパッケージを/opt/intel/openvinoへ展開します。別バージョンをダウンロードした場合はファイル名の「2020.1.023」の部分を修正してください。

sudo tar -xf l_openvino_toolkit_runtime_raspbian_p_2020.1.023.tgz --strip 1 -C /opt/intel/openvino

展開後、該当ディレクトリを覗いてみると色々できています。

ls -l /opt/intel/openvino

CMakeインストール

sudo apt install cmake

コマンド入力後、しばらくして[Y/n]と聞かれますのでYで続行しましょう。

環境変数設定

source /opt/intel/openvino/bin/setupvars.sh

ここで設定した環境変数は、上記のコマンドを実行したターミナルが開いている間だけ有効です。ターミナルを開きなおしたりRaspberry Pi再起動後（ログオフ⇒ログイン）も有効としたいとき、つまり、永続的に有効とする場合は追加で次のコマンドを実行してください。

echo "source /opt/intel/openvino/bin/setupvars.sh" >> ~/.bashrc

新しくターミナルを起動し、冒頭に[setupvars.sh] OpenVINO environment initializedと表示されていればOKです。

USBルール追加

sudo usermod -a -G users "$(whoami)"

ここでOSのログオフ⇒再ログインが必要になります（再起動でもOK）。デスクトップに戻りターミナルを起動したとき、 冒頭に[setupvars.sh] OpenVINO environment initializedと表示されていない場合は再度環境変数を設定します。

source /opt/intel/openvino/bin/setupvars.sh

NCS2でOpenVINOを利用するためのコマンド

sh /opt/intel/openvino/install_dependencies/install_NCS_udev_rules.sh

実行後にUdev rules have been successfully installed.が表示されれば成功です。これでNCS2を使えるようになりました。

次回はサンプルの実行方法と注意事項について書きます。

顔認証についてはスマートフォンでも利用されていて既に身近な存在となっていますが、各種イベントの受付が紙ベースから顔認証となったり、「街中をキャッシュレスで過ごしたりホテルの客室の鍵を顔認証で解錠する」といった実証実験が行われる（ 和歌山県の南紀白浜）など、社会インフラとしても今後が期待されているといえます。

NECが考えるDigital IDで描く観光の未来

NECが考えるDigital IDで描く観光のちょっと先の未来をご覧ください。観光を生体認証・顔認証を活用し、安全・安心でより魅力ある体験となるよう様々な取り組みにチャレンジしています。

jpn.nec.com

そういった製品や記事に見聞きする度に「すごいなぁ」とは思うものの、どこか自分とは縁の無いものと感じていました。正確には「利用することはあっても、それについて深掘りすることは無いだろう」です。興味はあれど、どこから距離を近づければ良いのか皆目見当がつかなかったからです。

その考えが一転したのは クラゲさん（@Jelly_Ware）の素晴らしい記事を拝読した時でした。

ゼロから学ぶディープラーニング推論

Neural Compute StickとOpenVINOを使って、ディープラーニングの推論をゼロから徹底的に学び、オリジナルAIガジェットを作ります。

jellyware.jp

おりしもRaspberry Piを購入して遊び方を探していたとき（※理由はいつも後付けです！）。目から鱗でした。人に何かを教えるときは「理解してから進める方法、手法から入って理解を深める方法、どちらでもいいんだよ」と言っているのに、我が事になると客観性が無いものですね。反省・・・

ここは手法から入り、まずは気軽に楽しんでみようと思います。