정리의생활화

시작 2020-10-16

pip install labelimg

1.)

models/research/object_detection에 
    └imgaes

           ├ train

           └ test

폴더를 만듭니다

학습하고 싶은 이미지를 images폴더안에있는 train과test 폴더에 9:1 비율로 사진을 넣어줍니다.

2.)

Labelimg

이미지에서 object의 경계상자와 레이블을 지정해줘야합니다.

labelimg를 사용하여 각 이미지에 대한 xml파일로 생성할수있는데

labelimg가 없다면 cmd창(명령프롬프트)에서

pip install labelimg

를 사용하여 labelimg를 설치해주시고 cmd창에 

를 입력하시면

이렇게 실행이됩니다.

labelimg에서 open Dir을 클릭후 경로를

object_detection/images/train

로 선택하시고 Change Save Dir도 같은경로로 지정하시면 됩니다.

위 설정이 끝났으면

이렇게 이미지가 나옵니다.

조작법은 w를 누르면 라벨링을 할 수 있게 되고

여기에 라벨의 이름을 입력을 해줍니다.

저장을 편하게 하시려면 위에설정창에 

View에서 맨위에있는 Auto Save mode를 클릭해주시면 자동으로 저장이됩니다

그리고 라벨을 하나만 하신다면 오른쪽 위에있는

Use default label에 체크해주식 오른쪽에 라벨의 이름을 입력해 주시면 됩니다.

3.)

라벨링이 끝나셨다면 xml파일을 TFRecord파일로 변환을 해야합니다.

xml_to_csv.py

위 코드에서 약간 변경해야합니다.

def main():
    image_path = os.path.join(os.getcwd(), 'annotations')
    xml_df = xml_to_csv(image_path)
    xml_df.to_csv('raccoon_labels.csv', index=None)
    print('Successfully converted xml to csv.')

를

def main():
    for directory in ['train', 'test']:
        image_path = os.path.join(os.getcwd(), 'images/{}'.format(directory))
        xml_df = xml_to_csv(image_path)
        xml_df.to_csv('data/{}_labels.csv'.format(directory), index=None)
        print('Successfully converted xml to csv.')

로 바꿔주고 object_detection에 넣어준뒤 실행하면 data폴더에 csv파일이 생긴것을 확인할 수 있습니다.

임시저장 2020-10-16

안드로이드스튜디오 가상기기가아닌 카메라가 되는 공기계나 핸드폰에 하시는걸 추천드립니다.

우선 GitHub에서 기본예제어플을 가져와야 합니다.

https://github.com/tensorflow/examples

위 사이트에 직접들어가서

이렇게 직접 설치하고 압축을 풀어주는방법과

git

CMD창(명령프롬프트)창에서 설치가될 경로에 들어간 뒤

git clone https://github.com/tensorflow/examples

를 사용하여 설치하는 방법이 있습니다.

설치후에 AndroidStudio를 실행한뒤

두번째에 있는 Open an existing Android Studio project를 클릭합니다.

그후에 설치한경로로들어간뒤

examples/lite/examples/image_classification

위경로로 들어가서 Android를 클릭후 OK버튼을 누릅니다.

그러면 아래와같은 화면이 나옵니다.

아래쪽에 Build가 되고있을수 있는데 Build가 끝나길 기다린후 

버튼을 누르거나

Shitf+F10 을 누르시면 됩니다.

어플이 실행되고 모니터를 인식하는것을 볼 수 있습니다.