/Machine-Learning-BD-e-Treinamento

Projeto de criação de uma base de dados e treinamento da rede YOLO .

Primary LanguageJupyter Notebook

Projeto de criação de uma base de dados e treinamento da rede YOLO

Base de imagens:

  • Realizado download de 1.600 imagens sem rotulação da COCO (COCO - Common Objects in Context), foram selecionadas 400 imagens para o processo de treinamento.

  • As 400 imagens foram rotuladas utilizando o LabelMe instalado no Anaconda virtual usando o python para abrir o sistema.

Transfer Learning - utilizando a rede da YOLO no Colab:

  • Foram separadas 320 imagens com os respectivos arquivos JSON para o treinamento e 80 imagens com os respctivos arquivos JSON para validação.

  • Clonando o darknet com os comandos:

            !git clone https://github.com/AlexeyAB/darknet.git

            %cd darknet

            !make

  • Criado arquivo .name contendo o nome das classes (gato e zebra).

  • Ajustar o arquivo obj.data referente as imagens e classes.

  • Copiado o arquivo yolov3.cfg para o yolov3_custom.cfg e feito as alterações necessárias para refletir o número de classes, filtros e outros parâmetros.

  • Download dos pesos pré-treinados:

            !wget https://pjreddie.com/media/files/yolov3.weights

  • Iniciando os pesos para treinamento:

            !./darknet partial cfg/yolov3_custom.cfg yolov3.weights yolov3.conv.81 81

  • Treinamento:

            !./darknet detector train data/obj.data cfg/yolov3_custom.cfg yolov3.conv.81

Autor

  • Wagner Nogueira.

Agradecimentos:

  • DIO com o curso teórico.

  • Instrutor do curso: Diego Renan

  • ChatGPT onde ajudou nas minhas dúvidas.