Keras RetinaNet for Teknofest 2019 AI Competition
Using RetinaNet for object detection from drone images in Teknofest istanbul 2019 Artificial Intelligence Competition
🚀 Teknofest 2019 - Yapay Zeka Yarışması:
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.
📚 Öğretici Döküman (Tutorial)
Keras RetinaNet kurulum ve kendi veri kümenizi eğitmek ve test etmek için detaylı öğretici dökümanını buradan inceleyebilirsiniz.
📋 Başlangıç Kılavuzu (Getting Started)
💾 Ön Koşullar (Software Prerequisites)
- 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
Kurulum
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
📘 Klasör Yapısı (Folder Structure)
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
⌛ Eğitim (Train)
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.
⌚ Test
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.