• capture.py

파일명이 규칙성 없이 지저분하다면 일괄되게 Rename해주는 것이 후처리할 때 편함.

• resize_rename.py

• xml2txt.py : xml형식의 Label File을 txt형식으로 변환

• augmentation.py : xml형식의 label을 갖는 데이터셋 증강

• txt_aug.py : txt형식의 label을 갖는 데이터셋 증강

• custom_yolo.py : 데이터셋을 분할한 후 데이터셋 경로를 저장 ! data.yaml 파일의 클래스 이름과 개수 name , nc 수정해주어야 함

data.yaml

1. yolov5 디렉토리에서 $ python3 실행
2. 아래 명령어 입력
   (클래스 개수 : n , data.yaml 파일 경로 : path)

>>> from utils.autoanchor import kmean_anchors
>>> _ = kmean_anchors(path='<data.yaml PATH>', 
                        n=?, img_size=640, thr=4.0, 
                        gen=1000, verbose=True)
>>> print(_)

위 명령어를 통해서 Custom Dataset에 최적화된 Anchor Box 크기를 구할 수 있다.
(Annotation BBox Size 클러스터링 알고리즘 적용)

3. 계산된 Anchor Box 값 yolov5s_custom.yaml파일에 적용

<> 제외하고 경로 입력

$ python3 train.py --data <data.yaml_Path> --cfg <yolov5_custom.yaml_Path> --hyp <HyperParameter_Path.yaml> --weights <pretrained_model_Path.pt> --batch-size <32_or_64_or_128> --epoch 500 

$ python3 detect.py --source <Trained_Weights_file_Path.pt> --source <Source_for_inference_Path> --conf <Confidence_Threshold>

yolov5

labelimg

imgaug