Jetson Nano DLI 教學第三部分 Image Regression 影像回歸。大家應該有聽過數值的迴歸分析，但影像回歸就比較少見了吧？影像回歸算是相當有趣 ，即便他可能實用性不算太好（喂） 。可以用來定位圖像上特徵的座標，後面在 Jetbot 專案上也有使用到，現在就讓我們再熟悉一下 CNN 神經網路，Let’s GO!
一、影像分類與影像回歸的差異
在 Jetson Nano DLI 教學(二)影像分類中，模型最終的輸出結果是 N 個類別的可能性，其可能性加總為 1。而本次影像回歸的範例試圖找出人臉中鼻子、左眼、右眼的位置，因此各須要 X 與 Y 座標去標記，也因此神經網路的輸出要有六個數值，分別是三個特徵值的 X-Y 座標，加總並不會等於 1。
而在模型設定基本上和影像分類大同小異，也是使用遷移學習並且調整後面全連接層(Fully Connected Layer)的輸出，可以自由選用要選用哪個模型來使用。只不過誠如前段敘述，輸出的數值會由 n 個類別，改為 n 個特徵值乘 2。
device = torch.device('cuda')
output_dim = 2 * len(dataset.categories) # x, y coordinate for each category
# ALEXNET
# model = torchvision.models.alexnet(pretrained=True)
# model.classifier[-1] = torch.nn.Linear(4096, output_dim)
# SQUEEZENET
# model = torchvision.models.squeezenet1_1(pretrained=True)
# model.classifier[1] = torch.nn.Conv2d(512, output_dim, kernel_size=1)
# model.num_classes = len(dataset.categories)
# RESNET 18
model = torchvision.models.resnet18(pretrained=True)
model.fc = torch.nn.Linear(512, output_dim)
# RESNET 34
# model = torchvision.models.resnet34(pretrained=True)
# model.fc = torch.nn.Linear(512, output_dim)
model = model.to(device)
此外在損失函數的計算也會有所不同，由於每個訓練資料都會標記特徵的 X-Y 座標，CNN 模型算出的 X-Y 座標和實際 X-Y 座標的差異，就是我們的誤差了，如下圖所示。
(source: NVIDIA Developer youtube channel)
二、資料收集
依序執行程式碼直到「顯示互動式工具！」段落，就會顯示互動式的 widget 可以進行操作。加入訓練資料的方式須選擇好資料集 dataset 與類別 category，然後在即時預覽的影像畫面中點選特徵位置，完成就會看到一個圓圈就是被選定的 X-Y 座標。 依序標記鼻子、左眼、右眼的位置，各標記 40~50 張。
另外值得一提的是，不知道各位有沒有注意到，我們所表記的特徵座標這個 meta 資料，是如何儲存的呢？在這範例中使用了一個小 trick ，在儲存影像資料時，所儲存的檔案名稱的格式為 xxx_yyy_UUID.jpg。也就是直接把這 meta 放在檔名的前綴，之後再訓練模型時，只要再把這個前輟 X-Y 座標分離出來即可。這樣的方式可以省去額外的 meta file，並且在 meta 資料量小的情境相當好用，可以偷偷學起來！…_〆(°▽°*)
三、模型訓練與評估
模型訓練次數 epochs 一樣可以先抓 5~10 次看看效果如何，再進行重複訓練，訓練完成的模型一樣可以儲存為 pytorch 的模型檔，並且可以使用 live 功能做即時的監看，看看模型算出來特徵座標是否滿意。若是效果不滿意，則須要回去調整資料集，也許是標記特徵的 X-Y 座標有誤差，或是資料量不夠，都有可能影響模型的輸出結果，這部分就留給各位去嘗試看看了！
四、小結
Jetson Nano DLI 教學系列到這篇就告一段落了，這兩個範例都是使用 pytorch，即使各位沒有相關經驗，但用到的呼叫都不至於太複雜，稍微閱讀一下應該都還可以理解。同時也預告一下，在 NVIDIA Jetson 家族中，範例多會以 pytorch 為主。最後希望各位可以透過這些簡單的範例體驗一下 Edge AI，並且完成課程後面的試題順利拿到電子證書！ヽ(✿ﾟ▽ﾟ)ノ
