KerasYolo3_학습및_Detection 그레이 이미지 출력 에러( 커스텀 데이터)

39번째 실행 셀에 img = Image.open("c(25).png")rgbimg = img.convert('RGB')또는 img = Image.open("c(25).png") rgbimg = Image.new("RGBA", img.size) rgbimg.paste(img) 를 이용해서 gray scale image를 rgb로 바꿔보시는 건 어떠신지요? 이 페이지를 참고해서 해보세요. https://stackoverflow.com/questions/18522295/python-pil-change-greyscale-tif-to-rgb

KerasYolo_Raccoon_학습및_Detection.ipynb 파일 - 오타 참조

/Detection/yolo/KerasYolo_Raccoon_학습및_Detection.ipynb 해당 파일의 2번째 Cell. 29, 32 Line입니다. 감사합니다ㅎㅎ 원래 파일을 사용해도 딱히 문제는 없으나, 한 이미지에 2개의 라쿤 Object가 있어도, 1개만을 CSV에 저장해 놓더군요... 이전 - 변경 필요 부분 굵은 글씨 value_str = ('{0},{1},{2},{3},{4}').format(x1, y1, x2, y2, class_id) value_str_list = value_str_list+value_str_list+' ' # object별 정보를 tuple형태로 object_list에 저장. train_csv_file.write(full_image_name+' '+ value_str+'\n') # xml file 찾는 for loop 종료 이후 - 변경한 부분 굵은 글씨 value_str = ('{0},{1},{2},{3},{4}').format(x1, y1, x2, y2, class_id) value_str_list = value_str_list+value_str +' ' # object별 정보를 tuple형태로 object_list에 저장. train_csv_file.write(full_image_name+' '+ value_str_list +'\n') # xml file 찾는 for loop 종료

kerasYolo_Raccoon_학습및_Detection_colab

질문 주신 내용을 모두 설명드리기엔 너무 많은 내용이라 아는 선에서 간략하게만 적어드립니다. 1. 그런 그래프는 tensorboard에서 그려주는 것을 이용하면 좋겠지만, keras는 저도 잘 몰라서... 2. 질문자님이 아시는 loss 함수의 다양한 형태가 있겠지만, 이 패키지에서는 loss함수를 그렇게 단순하게 구현하지 않고, 직접 다 계산을 해두었더군요. 코드를 읽으면서 확인해보시면 좋을 것 같습니다. 코드 따라가는 path는 이와 같습니다. train.py 의 create_model 함수 -> yolo_loss함수 사용 -> /keras-yolo3/yolo3/model.py 의 yolo_loss함수 를 찾아보시면 이 모델에서 loss를 어떤식으로 계산하고 있는지 대강 확인할 수 있습니다. 손수 코드로 수식을 다 구현되어 있으니, 한번 읽어보시면 좋을 것 같습니다.

putty 혹은 SSH 이용 질문

전혀 문제 없습니다. 저는 구글 클라우드 플랫폼의 SSH 사용합니다. 제가 느끼기에 그게 더 반응이 빠르더라고요. 강의 따라하시는데 전혀 문제 없습니다. 강의 PUTTY 설치내용을 하셨는데 안된다고 하시면, VM instance에 의해 생성된 Ubuntu의 SSH 설정이 뭔가 이상할 수도 있으니, 시간나시면 VM instace 를 다시 만드는 것도 좋을 것 같습니다. (이건 그냥 저의 추측)

NMS 수행로직: Bounding box 에 포함된 box에 대한 질문.

(사진) IOU는 절대 1을 넘을 수 없습니다. 위의 그림을 보고 다시 한번 생각해보시기 바랍니다. https://ballentain.tistory.com/12 이 사이트도 같이 참고하시면 좋을 것 같습니다. 대강 계산했지만, 제가 그린 사진에 의하면, 빨간박스와 파란박스의 IOU는 IOU threshold를 넘지 않으므로 파란박스는 NMS에 의해서 삭제되지 않습니다. 따라서 둘다 최종 Detect결과가 될 수 있습니다, 빨간박스와 파란박스의 IOU는 IOU threshold를 넘으므로 초록박스는 NMS에 의해서 삭제됩니다. 따라서 차 밖의 큰 사람은 최종 Detect 결과로 반환되지 않습니다. 가정 각 박스의 Confidenc Sore는 다음과 같습니다 빨간 : 0.9 파랑 : 0.7 초록 : 0.7

특정 오브젝트만 딥러닝 시키려면 어떻게 해야 할까요??

3개의 Object만 훈련이 가능합니다. 대신 전처리 과정에 많은 시간을 투자해야합니다. Annotation에서 읽어들여야 하는 Object를 person/car/traffic light로 제한하는 코드를 작성하고, Class(Label)의 수는 4개라고 모델에게 알려줘야 하며(config파일을 수정하던지..) 다양한 전처리 작업이 필요합니다. 이 작업은 단순한 작업이 아니므로 방법을 처음부터 끝까지는 알려드리기 어렵습니다. 원하시는 모델(Yolo, SSD, Mast Rcnn 등)의 코드 전체를 처음부터 꼼꼼히 읽어보는 시간을 투자하시는 것을 추천드립니다. 모델과 코드 분석을 통한 절대적 시간 투자가 많은 도움이 될 것 같습니다. 아무래도 3개의 object만 Detect하는 모델을 만든다고 한다면, 딱 그 object를 찾기위한 Feature들에 모델이 더 집중할 것이므로, 3개를 찾는 성능향상이 있을 것이라고 저는 생각합니다.

안녕하세요~^^

Transfer Learning을 하는 것 입니다. 1. 오직 COCO 데이터 셋만을 가지고 학습시켜서 최적의 모델을 만들어 놓는다. 2. 방금까지 만든 모델에서 다시, 오직 Kitti 데이터 셋만을 가지고 학습시킨다. 이때 1번 과정은 우리가 굳이 할 필요가 없습니다. Model zoo (https://modelzoo.co/) 에서 COCO로 학습시킨 최적의 모델이 공개되어 있기 때문입니다.

안녕하세요~^^

합쳐서 학습을 시키려면 많은 작업이 필요합니다. 데이터를 concatenation(융합)하는 방식을 사용하는 것도 있지만, 전처리등 많은 과정이 요구될 것 입니다. 따라서 위와 같은 학습은 coco dataset으로 Pretrained된 weight를 가지는 모델에서, Kitti dataset을 적용해서 다시 학습을 시키는 방식을 사용하시는 것을 추천드립니다.

. .bashrc하고 (base)로 넘어가지지가 않아요

아나콘다 설치 가장 마지막 부분에 conda로 항상 initialization할건지 묻습니다. 그때 yes로 잘 대답하셨나요? 만약 잘 모르시겠다면, $ anaconda~~download file~~.sh 를 다시 실행하셔서 설치하시길 추천드립니다. 또는 https://qastack.kr/ubuntu/849470/how-do-i-activate-a-conda-environment-in-my-bashrc ~/.bashrc 파일을 직접 수정해서 conda가 자동실행 되도록 하는 방법이 있습니다.