YOLO with my own dataset

Création de 27 images pour 27 classes d'objets avec un canal alpha

Avec Blender et par un homo-sapiens Taille 40×40 Images en violet sur alpha, avec un sémaphore qui occupe toute l'image. Exemple pour le a: a Les images sorties de Blender n'ont pas de canal alpha: passage dans Gimp pour faire un couleur (blanc) vers alpha. Il ne doit donc pas y avoir de blanc (ou de gris) dans la couleur du sémaphore !

70.000 images créées avec OpenCV

Images: 1024×1024

En insérant une des images ci-dessus sur un shot d'une video, avec variation taille position flou du sémaphore,

et en créant un fichier image.txt pour chaque image.png dans le même dossier, exemple:

shot_68000_n.txt pour shot_68000_n.png

Pour chaque fichier *.txt

<object-class> <x> <y> <width> <height>

Avec:

<object-class> - entier de 0 à 26
<x> <y> <width> <height> valeurs relatives de 0 à 1

320 * 320 avec un a

centre du a: absolute_x = 130, absolute_y = 140 absolute_height = 200 hauteur du a absolute_width = 200 largeur du a

0 (130/320)=0,40625 (140/320)=0,43752 (200/320)=0,625 (200/320)=0,625

ligne à écrire dans a.txt

0 0,40625 0,43752 0,625 0,625

Exemple

Nos images sont des images du sémaphore

Nous allons créer 27 classes des 27 lettres possibles.

Quel YOLO ?

Implementations possibles

Avec ou sans GPU

Dépendances

Sur debian 10 buster Requis:

  • python 3.7
  • tensorflow 1.0
  • opencv 3
sudo pip3 install tensorflow
sudo pip3 install numpy
sudo pip3 install opencv
sudo pip3 install  pytest

Version:

  • tensorflow 1.13.1
  • opencv 4.0.0

Bazar

  • Chemins relatifs depuis le dossier root des sources
  • Dans le fichier flow, corriger python en python3
    • #! /usr/bin/env python3
  • Les labels doivent être dans un format “annotation” !!
  • Pour la suite, rien n'est bien expliqué !!
  • structure des dossiers, des fichiers …
  • yolo_avec_mes_propres_images.txt
  • Dernière modification: 2019/03/19 07:50
  • par serge