Quest 1. STM32Cube.AI 개발 환경 구축

AI 패키지 설치.

 

MX에서 STM32L475VGT로 프로젝트 생성하여 AI 패키지 추가. 

 

1. Analyze 결과.

 

2. Show graph 결과.

3. 분석결과물인 network_analyze_report.txt 첨부.

 

- 아나콘다 가상환경 생성 및 패키지 설치.

 

- RunMe.py 첫 실행 및 에러체크..

- 개발환경 셋팅이 역시 힘드네요..

 

- 패키지 에러가 아닌 파일이 없는에러를 마지막으로 개발환경 셋팅 완료.

 

- 제일 하단 파일로 선택하여 진행.

 

- python RunMe.py --dataDir=Log_data 모델생성 진행

 

1. Accuracy 그래프

 

2. Model Loss Function 그래프

 

3. Confusion matrix 그래프

 

- 퀘스트1에서 진행했던 모델분석 완료.

 

4. 첨부파일 network_analyze_report.txt

 

- 디바이스명 HABU로 변경.

 

- 센서 인식 결과 영상.

 

Stationary 빼고는 주머니에 넣고 각 8초 가량 측정하여 파일 만들었는데

학습데이터로 적당한길이인지는 모르겠네요. ^^

 

- 패키지 다운그레이드 및 로깅 데이터를 이용하여 새로운 모델 생성.

- Python 3.7 

- Kerase 2.3.1

- Tensorflow 1.14 텐서만 다운그레이드 했네요.

 

- STM32 Cube AI 5.0 설치 및 새로운 모델 선택

 

- 파일교체 및 빌드

 

- 영상제출...ㅎ

저는 오픈소스를 활용하는방법을 생각해보았습니다.

WISDM 데이터셋이 아닌 다른 데이터셋을 구해야는데 직접 데이터셋을 구현해보기로 하였습니다.

 

기존 소스는 6개의 인덱스와 100만라인이 넘게 있더라고요.

원본 데이터를 모두 튜닝하기에는 엑셀에서 열리지가 않을정도로 방대한 양이므로 끝을 살짝자르고 90만 라인정도에서 테스트를 했습니다.

끝에 세미콜론도 없에보고 인덱스 0번째와 2번째 값도 지워보고 결과에는 영향이 없는것으로 판단했습니다.

그동안 퀘스트를 진행해오면서 봐왔던 매트릭스인데 끝에 살짝 날렸더니 Stairs 클래스 정확도가 좀더 낮아진것으로 보였습니다.

 

 

각각 상위 10만라인과 하위 10만라인으로 테스트해본결과 입니다.

 

 

어쨋든 데이터 개수를 1만개 아래로 낮추고 인덱스 1에 있는 클래스 값을 마음대로 섞어두고 결과값을 확인해 보았습니다.

 

 

보드에서 받아온 값들로 데이터셋을 만들고 로깅데이터에도 그대로 사용하였는데 당연히 값이 잘나올줄 알았는데

이때부터 멘붕..

 

 

데이터셋을 강제로 뻥튀기 시켜서 100만라인으로 만들어줬을때 입니다.

어쨋든 매트릭스에서 좋은 결과를 얻은것같아서 보드에서 돌려보니 정확도는 올라간것 같아요.

 

클래스 자체가 4가지라 har_ign_wsdm으로 생성하고 소스좀 수정해서 진행하였습니다.

 

 

파이썬 소스 (데이터) 및 sensor1 inc src만 포함하여 업로드 합니다.

감사합니다.