darknetでyoloのデータセット作成を半自動化する。

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