Araç Tespit Algoritması

Keras Retinanet kullanılarak, Olasılık ve İstatistik dersi kapsamında oluşturulan "Araç Tespit Algoritması" kaynak kodları.

Takım Üyeleri

Barış Azar Üye

A. Ahmet Durmaz Üye

Yusuf Kızılgedik Üye

Veri Seti

NST-UYZ projesinde kullanılan NST-v3.3 veri setinin küçük bir kısmı seçilip sadece otomobil etiketleri kalacak şekilde düzenlenmiştir. Elde edilen veri seti, bu proje kapsamında ResNet50 modelinin eğitiminde kullanılacaktır. NST-v3.3 veri seti bir YOLO veri seti olduğundan dolayı "scripts" klasörü içerisinde bulunan Python scriptleri ile PascalVOC tipine çevrilmiştir.

Örnek veri seti klasör yapısı:

└── dataset
    ├── Annotations
    │   ├── 1.xml
    │   ├── 2.xml
    │   └── ....
    ├── ImageSets
    │   └── Main
    │  	    ├── train.txt
    │  	    ├── val.txt
    │       └── test.txt
    └── JPEGImages
        ├── 1.jpg
        ├── 2.jpg
        └── ...

train.txt, test.txt ve val.txt içerisinde JPEGImages klasöründe bulunan verilerin isimleri yazmaktadır. Biz tüm veri setinin %80'ini eğitim, geriye kalan %20'lik kısmı da test ve val için ayırdık.

Bu txt ayırımını otomatize eden dataset2txt.py kodu, scripts klasörü içerisinde bulunmakta.

Eğitim

Keras Retinanet içerisinde bulunan train.py dosyası eğitimi kolayca yapabilmemize olana sağlıyor. Eğitim adımları detaylı olarak ResNet50 Training with Keras-Retinanet.ipynb not defterinde bulunmakta.

Model ile tahmin yapma

Modelin eğitimi tamamlandıktan sonra scripts içerisindeki predict.py dosyası ile resimler üzerinde tahmin gerçekleştirilebilir.

Örnek kullanım:

python3 scripts/predict.py --input img1.jpg --output img1_output.jpg --backbone resnet50 --model ./resnet50_custom_trained.h5

Örnek çıktılar:

Input	Output

Elde Edilen Model

Elde edilen modele buradan erişebilirsiniz.

Lisans

Bu repo MIT lisansı ile lisanslanmıştır.