データセット作るのめんどくさい人
私です。
データセットを作っていると心が荒んでいくのを感じます。
というわけで
darknetを使ってyoloのフォーマットで検出結果をテキストに出力します。
yoloのフォーマットとは
クラスid BoundingBoxのxの中心座標 BoundingBoxのyの中心座標 BoundingBoxの幅 BoundingBoxの高さ
です。
txtファイルで保存されます。
使い方
darknetをクローンする。
git clone https://github.com/pjreddie/darknet.git
そしてmake
必要に応じてMakefileでGPU、cudnnを有効化してください。
cd darknet
make
そしてpythonフォルダに以下のコードを入れてください。
make_dataset.py
from ctypes import *
import math
import random
import sys
def sample(probs):
s = sum(probs)
probs = [a/s for a in probs]
r = random.uniform(0, 1)
for i in range(len(probs)):
r = r - probs[i]
if r <= 0:
return i
return len(probs)-1
def c_array(ctype, values):
arr = (ctype*len(values))()
arr[:] = values
return arr
class BOX(Structure):
_fields_ = [("x", c_float),
("y", c_float),
("w", c_float),
("h", c_float)]
class DETECTION(Structure):
_fields_ = [("bbox", BOX),
("classes", c_int),
("prob", POINTER(c_float)),
("mask", POINTER(c_float)),
("objectness", c_float),
("sort_class", c_int)]
class IMAGE(Structure):
_fields_ = [("w", c_int),
("h", c_int),
("c", c_int),
("data", POINTER(c_float))]
class METADATA(Structure):
_fields_ = [("classes", c_int),
("names", POINTER(c_char_p))]
lib = CDLL("libdarknet.so", RTLD_GLOBAL)
# lib = CDLL("libdarknet.so", RTLD_GLOBAL)
lib.network_width.argtypes = [c_void_p]
lib.network_width.restype = c_int
lib.network_height.argtypes = [c_void_p]
lib.network_height.restype = c_int
predict = lib.network_predict
predict.argtypes = [c_void_p, POINTER(c_float)]
predict.restype = POINTER(c_float)
set_gpu = lib.cuda_set_device
set_gpu.argtypes = [c_int]
make_image = lib.make_image
make_image.argtypes = [c_int, c_int, c_int]
make_image.restype = IMAGE
get_network_boxes = lib.get_network_boxes
get_network_boxes.argtypes = [c_void_p, c_int, c_int, c_float, c_float, POINTER(c_int), c_int, POINTER(c_int)]
get_network_boxes.restype = POINTER(DETECTION)
make_network_boxes = lib.make_network_boxes
make_network_boxes.argtypes = [c_void_p]
make_network_boxes.restype = POINTER(DETECTION)
free_detections = lib.free_detections
free_detections.argtypes = [POINTER(DETECTION), c_int]
free_ptrs = lib.free_ptrs
free_ptrs.argtypes = [POINTER(c_void_p), c_int]
network_predict = lib.network_predict
network_predict.argtypes = [c_void_p, POINTER(c_float)]
reset_rnn = lib.reset_rnn
reset_rnn.argtypes = [c_void_p]
load_net = lib.load_network
load_net.argtypes = [c_char_p, c_char_p, c_int]
load_net.restype = c_void_p
do_nms_obj = lib.do_nms_obj
do_nms_obj.argtypes = [POINTER(DETECTION), c_int, c_int, c_float]
do_nms_sort = lib.do_nms_sort
do_nms_sort.argtypes = [POINTER(DETECTION), c_int, c_int, c_float]
free_image = lib.free_image
free_image.argtypes = [IMAGE]
letterbox_image = lib.letterbox_image
letterbox_image.argtypes = [IMAGE, c_int, c_int]
letterbox_image.restype = IMAGE
load_meta = lib.get_metadata
lib.get_metadata.argtypes = [c_char_p]
lib.get_metadata.restype = METADATA
load_image = lib.load_image_color
load_image.argtypes = [c_char_p, c_int, c_int]
load_image.restype = IMAGE
rgbgr_image = lib.rgbgr_image
rgbgr_image.argtypes = [IMAGE]
predict_image = lib.network_predict_image
predict_image.argtypes = [c_void_p, IMAGE]
predict_image.restype = POINTER(c_float)
def classify(net, meta, im):
out = predict_image(net, im)
res = []
for i in range(meta.classes):
res.append((meta.names[i], out[i]))
res = sorted(res, key=lambda x: -x[1])
return res
def detect(net, meta, image, thresh=.5, hier_thresh=.5, nms=.45):
im = load_image(image, 0, 0)
num = c_int(0)
pnum = pointer(num)
predict_image(net, im)
dets = get_network_boxes(net, im.w, im.h, thresh, hier_thresh, None, 0, pnum)
num = pnum[0]
if (nms): do_nms_obj(dets, num, meta.classes, nms);
res = []
for j in range(num):
for i in range(meta.classes):
if dets[j].prob[i] > 0:
b = dets[j].bbox
res.append((meta.names[i], dets[j].prob[i], (b.x, b.y, b.w, b.h)))
res = sorted(res, key=lambda x: -x[1])
free_image(im)
free_detections(dets, num)
return res
def usage():
print("Usage: python python/make_dataset.py .cfg .weights .data folder")
if __name__ == "__main__":
args = sys.argv
if args[1] == "-h" or args[1] == "--help":
usage()
sys.exit()
net = load_net(args[1], args[2], 0)
meta = load_meta(args[3])
import glob,os,cv2
files = sorted(glob.glob(args[4] + '*.jpg'))
i = 0
for pic in files:
picture = cv2.imread(pic)
r = detect(net, meta, pic)
print pic
path = pic[:-3] + "txt"
f = open(path, 'w')
for result in r:
picture_height = picture.shape[0]
picture_width = picture.shape[1]
x = result[2][0] / picture_width
y = result[2][1] / picture_height
w = result[2][2] / picture_width
h = result[2][3] / picture_height
offset = 0
for name in meta.names:
if result[0] == name:
break
offset += 1
"""
print("result: " + str(result[0]) + " = " + str(offset))
print("x: " + str(x))
print("y: " + str(y))
print("w: " + str(w))
print("h: " + str(h))
"""
f.write(str(offset) + " " + str(x) + " " + str(y) + " " + str(w) + " " + str(h) + "\n")
f.close()
そしてdarknetのディレクトリから
python python/make_dataset.py .cfgファイルのパス 重みのパス .dataファイルのパス 画像のフォルダ
を起動すると画像のフォルダの中に検出結果が保存されます。
結果を見るならlabelImg(https://github.com/tzutalin/labelImg)
などで画像フォルダをみると検出結果がアノテーションデータとして保存されているのがわかります。
アノテーションは辛い
データセット作成→学習→このコードで検出結果の書き出し→labelImgで編集→学習を繰り返せば、効率upにつながると思います。
アノテーションは辛いのでこれで誰かを心の荒みから救えたら幸いです。
質問あったらコメント欄まで。
参考サイト
darknet
https://github.com/pjreddie/darknet
labelImg
https://github.com/tzutalin/labelImg