Using RetinaNet for object detection from drone images in Teknofest istanbul 2019 Artificial Intelligence Competition
TEKNOFEST 2019 Yapay Zeka Yarışması kapsamında takımlar bir drone ile önceden kaydedilmiş görüntüler üzerinden verilen süre içerisinde araç ve insan tespitini özel bir metrik üzerinden IoU puanı ile puanlandırılmıştır.
Keras RetinaNet kurulum ve kendi veri kümenizi eğitmek ve test etmek için detaylı öğretici dökümanını buradan inceleyebilirsiniz.
- cython
- pycocotools==2.0.0
- keras-resnet==0.2.0
- h5py==2.10.0
- keras==2.4.3
- matplotlib
- numpy==1.19.5
- six==1.15.0
- opencv-python==3.4.13.47
- pillow
- progressbar2
- tensorflow-gpu==2.4.1
- git+https://github.com/cocodataset/cocoapi.git#subdirectory=PythonAPI
- tqdm
Python 3.7 kurulum ve virtual env oluşturma
-
sudo apt install python3.7 python3-venv python3.7-venv
-
sudo apt-get install python3.7-dev
-
python3.7 -m venv .py37-venv
-
source .py37-venv/bin/activate
Ön koşullu paketlerin kurulumu
-
pip3 install cython
-
pip3 install numpy==1.19.5
-
pip3 install -r requirements.txt
keras_retinanet kütüphanesinin derlenmesi
-
pip3 install .
-
python3 setup.py build_ext --inplace
main_dir
- dataset_test
- retinanet
- keras_retinanet
- models
- teknofest19_huma_resnet50_21_37_inference.h5
- snapshots
- teknofest19_huma_resnet50_21_37_ss.h5
- results
- detect_all_images.py
RetinaNet'in Keras implementasyonuna ve eğitim dökümanına buradan ulaşabilirsiniz.
Drone ile çekilmiş yaklaşık 30bin görüntü üzerinden etiketlenmiş araç ve insan veri kümesi ile 58 epoch eğitilmiş ResNet-50 RetinaNet snapshot dosyasını buradan indirebilirsiniz.
Önceden eğitilmiş ve dönüştürülmüş model dosyası olan teknofest19_huma_resnet50_21_37_inference.h5
dosyasını buradan indirerek retinanet klasörü altında models klasörü altına kopyalayınız.
Test yapabilmeniz için örnek test görüntülerini buradan indererek dataset_test
klasörü altına kopyalayınız.
Eğitilmiş model ile dataset_test
klasöründeki resimler üzerinde nesne tespiti yapmak için detect_all_images.py
python programını çalıştırabilirsiniz.
Tahmin (prediction) sonuçlarını results
klasörü altına resmin üzerine çizilmiş şekilde çıkartılacaktır.