Hva har blitt gjort:
- Hentet bilder fra Planetary HUB
- Klassifisering av data med Azure ML assisted labeling
- Eksporter som COCO, oversett til YOLO
- Bilder og labels på riktig format
- Nedskalering av bilder, 343px ganske spesiell oppløsning så nå oppløsning på 320px (32-gangen for kernel av 32px i YOLO)
- Trening av YOLOv5 på denne
Eksempel på trening:
python train.py --img 320 --batch 16 --epochs 80 --data dataset.yaml --weights yolov5s.pt --optimizer Adam --cache
- img: define input image size
- batch: determine batch size
- epochs: define the number of training epochs.
- data: Our dataset locaiton is saved in the dataset.location
- weights: specify a path to weights to start transfer learning from. Here we choose the generic COCO pretrained checkpoint.
- optimizer: Select optimizer {SGD, Adam, AdamW}
- cache: cache images for faster training
python detect.py --weights runs/train/exp26/weights/best.pt --img 320 --conf 0.1 --source ../datasets/coral/images/test2022 --data data/dataset.yaml
- weights: specify path of weights as .pt-file
- img: define input image size
- conf: confidence needed for classification
- source: define path to test images