Este é um repositório destinado ao treinamento de modelos de detecção de objetos usando o conjunto de dados COCO (Common Objects in Context) e a biblioteca Detectron2, tudo no ambiente do Google Colab.
- Henrique Baptista - RM 97796
- Gabriel Amancio - RM 97936
- Pedro Pacheco - RM 98043
- Ricardo Brito - RM 98370
- Abra o notebook Jupyter:
train-detectron2-segmentation-on-custom-data.ipynb
no Google Colab. - Execute cada célula do notebook na ordem em que estão dispostas.
- O notebook contém seções para instalação de dependências, download do conjunto de dados COCO, configuração do Detectron2, treinamento do modelo e inferência.
- Após a execução de todas as células, você terá um modelo treinado que pode ser usado para inferência.
- Não há Criacao de um API REST, mas na materia de Python, consumimos a API da IA e utilizamos Json e Fast API LINK do repositorio: Python Challenge Repository
- Certifique-se de que o conjunto de dados COCO está acessível no ambiente do Colab.
- Ajuste os parâmetros no notebook, especialmente no que diz respeito à configuração do Detectron2.
- Se necessário, faça alterações no código para adequar às suas necessidades específicas.
- Este projeto foi projetado para ser executado no ambiente do Google Colab, mas você pode adaptá-lo para ser executado localmente, se preferir.
Contribuições são bem-vindas! Sinta-se à vontade para abrir problemas (issues) ou enviar pull requests para melhorar este código de treinamento.
Divirta-se treinando modelos de detecção de objetos com COCO e Detectron2 no Google Colab!