하찮은 코딩일기

네! 바로 접니다~ smart polygon을 사용하고자 roboflow를 이용해서 어노테이션을 진행했습니다. 1000장 조금 안 되는 이미지들을 하나하나 눌러가며 고쳐가며 폴리곤을 그리고 이제 yolo, detetron2용 txt와 json으로 내보내기 하려고 했습니다. 그런데 파일 용량부터가 20메가 입니다. 아무리 preprocessing에서 resize를 진행했다고 하더라도 이건 너무 적지않나 싶어서 확인해보니 56건정도의 이미지들만 내려받아졌습니다. 분노해서 다 지워버린 이유로 일부만 받은 자료는 없네요. 문제는 라벨링에 포함된 특수문자! 특정 수위를 폴리곤으로 그려서 라벨클래스에 %가 들어갔는데, 이게 들어간 부분은 예외없이 전부 export가 안되더군요. 네! export 가 일부분만 된다면..

이러니 저러니해도 결국 나는 visionAI를 해야하나보다. 이번엔 매번 쓰던 yolo 시리즈 말고 다른 라이브러리를 사용해보았다. 바로 Detectron2! 깃 주소는 위 링크를 따라가면 된다. 오색 찬란한 README가 우릴 반겨준다. segmentation과 keypoint 등등 지원하나보다. 개발자로써의 내 소명은 전 세계의 학자들이 머리싸매서 만들어놓은 라이브러리를 "감사하게" 생각하며 잘 쓰자 이므로,,, 부딪혀보면서 배워보자. segmentation이니 우선, 이미지와 어노테이션이 필요한 것은 당연한 사실. 튜토리얼 따라가봤는데,,, 솔직히 튜토리얼도 좋지만 내 입맛에 맞는 데이터를 직접 학습하는게 제일 배우는게 빠르지않나 생각한다. 이미지는 여러분들이 원하는 것으로 수집하자. 어노테이션은 ..

이전 게시글에서 jpg , xml 형식의 Pascal VOC Dataset의 이미지 데이터들을 다운로드 받았다. 우리가 사용할 모델은 yolov5로 링크는 다음과 같다. https://github.com/ultralytics/yolov5 물론 이전 게시글에서 클론 했지만 혹시하고 다시 적어본다. 기본적으로 yolov5는 yolo dataset을 사용하고있다. VOC도 변환할 수 있으니 너무 걱정은 안해도 된다. data/VOC.yaml 파일에서 아래에 스크립트가 보인다. import xml.etree.ElementTree as ET from tqdm import tqdm from utils.general import download, Path def convert_label(path, lb_path, y..

어찌저찌 회사에서 업무를 하다보니 Semantic Segmentation을 진행하게 되었다. 그것도 Custom Dataset으로,,, 중요한건 데이터셋을 외부에서 직접 공수해야한다는 점이고, 그말은 즉 데이터 수집부터 라벨링까지 전부 스스로 해결해야 한다는 의미이다. 이에 그 기록을 남겨보자. 1. Semantic Segmentation? 여기서 다룰 내용이므로 간략한 설명은 아래의 포스트를 참고하자 https://medium.com/hyunjulie/1%ED%8E%B8-semantic-segmentation-%EC%B2%AB%EA%B1%B8%EC%9D%8C-4180367ec9cb 1편: Semantic Segmentation 첫걸음! Semantic Segmentation이란? 기본적인 접근 방법은?..

이전 회사에서 이미지학습이 지겨워 탈출했는데, 그런 말이 있지않은가. 도망친 곳에 낙원은 없다. 라고 이직한곳에서도 비슷한 일을 하게 되었다. 각설하고 이번엔 ai hub에 있는 이미지 데이터를 사용해서 객체 탐지를 진행해보고자 한다. 우선, 학습에 사용된 스펙은 다음과 같다. server Ubuntu20.04 torch 1.7.1+cu110 torchvision 0.8.2+cu110 cuda 11.2 gpu RTX A4000 객체 탐지에 사용될 소스는 yolov5이다. https://github.com/ultralytics/yolov5 GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite YOLOv5 🚀 in PyTorch ..