Ceci est une ancienne révision du document !
Table des matières
Yolo Darknet Préparation de mes propres images
Cette page teste YOLO de MASK R-CNN vs YOLO vs Deeplab Xception
Création du set d'apprentissage
Nos images sont des images du sémaphore
Nous allons créer 27 classes des 27 lettres possibles.
Les sources sur GitHub
Création de 27 images pour 27 classes d'objets avec un canal alpha
Avec Blender et par un homo-sapiens
Taille 320×320
Images en violet sur alpha, avec un sémaphore qui occupe toute l'image.
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 !
Puis les images sont retaillées pour contenir au plus près les sémaphores.
50 000 images 640x640 créées avec OpenCV
En insérant une des images ci-dessus sur un shot d'une video, avec variation taille position couleur flou du sémaphore,
et en créant un fichier image.txt pour chaque image.png dans le même dossier, exemple:
shot_680_n.txt pour shot_680_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
Fichier de la liste des images avec leur chemin, train.txt et test.txt
Une solution avec:
Il faut adapter current_dir à votre cas, c'est le dossier où sont toutes les images, avec ou sans sous-dossiers (avec 60000 images, donc 120000 fichiers, il faut avoir des sous-dossiers). Et installer Python: pymultilame