(Цифровой прорыв 2022)
На основе данных, полученных с БПЛА, разработать модель, которая будет находить изображения, на которых присутствуют люди, и будет детектировать их положение на изображении
- EDA.ipynb: Анализ датасета изображений
- create_labels_yolo.py(ipynb): Создание текстовых файлом с форматом разметки YOLO
- yolo_train.ipynb: Ноутбук с пайплайном обучения модели YOLOv5
- yolo_config.yaml: Конфиг для обучения модели
- hyp.yaml: Гиперпараметры модели
- transform_yolo_labels.py(ipynb): Трансформация разметки предсказани модели YOLO в формат задачи
- best.pt: Веса обученной модели
- presentation.pdf: Презентация по решению
- Запустить пайплайн получения предсказаний
!python detect.py --weights best.pt --img 864 --conf 0.15 --source ../test --save-txt --nosave
- Запустить скрипт transform_yolo_labels.py для получения для получения предсказаний в формате организаторов (указать в скрипте путь к файлам)
веса обученной модели уже имеются в репозитории (best.pt), эта инструкция для переобучения модели
- Скачать и распаковать архив изображений
- Запустить скрипт create_labels_yolo.py для получения отметок в формате YOLO (указать в скрипте путь к файлам)
- Скачать исходники модели YOLOv5
git clone https://github.com/ultralytics/yolov5
- Установить зависимости из YOLOv5
pip install -qr requirements.txt
- Запустить пайплайн обучения
python train.py --img {IMG_SIZE} --batch 2 --epochs 350 --data ../yolo_config.yaml --hyp ../hyp.yaml --weights yolov5m.pt --optimizer 'AdamW'