작성한 질문수 3

2

네, 테스트 결과 evaluation 코드는 위에 말씀 드린 코드를 적용하시면 됩니다.

전반적으로 다른 부분도 다 테스트를 할 예정입니다. 테스트 후에 수정된 주피터 노트북을 올리고 전체 공지 하겠습니다. 동영상도 재 녹음을 해야 되서 조금 시간이 소모 될 것 같습니다. 일단 위의 코드를 이용하여 계속 수강해주시면 될 것 같습니다.

정보 주셔서 감사합니다.

1

안녕하십니까,

evaluate.py가 올해 2월말에 변경이 된 것 같습니다. 테스트에 시간이 걸릴것 같습니다. 제가 내일까지 다시 패키지를 설치 한 후에 말씀 드리겠습니다. 

만일 급하시다면, 아래와 같이 변경이 되면 어떨지 싶습니다.

from keras_retinanet.bin.evaluate import create_generator as eval_create_generator

import os
from pathlib import Path

HOME_DIR = str(Path.home())
ANNO_DIR = os.path.join(HOME_DIR, 'DLCV/data/raccoon/annotations')

class args:
    dataset_type='csv'
    score_threshold=0.05
    iou_threshold=0.5
    max_detections=100
    image_min_side=800
    image_max_side=1333
    config=None
    annotations=os.path.join(ANNO_DIR, 'raccoon_anno_retina_valid.csv')
    classes=os.path.join(ANNO_DIR, 'raccoon_class.txt')
    #아래가 추가 되어야 합니다.
    backbone='resnet50'

# 기존 generator = eval_create_generator(args)는 삭제되고 아래로 변경되어야 합니다.
backbone = models.backbone(args.backbone)
generator = eval_create_generator(args, backbone.preprocess_image)

추후 테스트 후에 다시 말씀 드리겠습니다.

소중한 정보 감사합니다.