Card-Recognition

準備

mkdir -p images/cards
mkdir -p images/backgrounds

依存関係の解決

pipenv shell

インストールされているpythonのバージョンが異なる場合は, Pipfileを編集してください。

pip install -r requirements.txt
pip install -r yolov5/requirements.txt

学習済みモデルを試す

./camera.bat

yoloを用いた学習

データセットをimages/datasets/yolo配下におく

ファイル構造の例

|
|
|
yolo---root---|--images
              |
              |--labels

データセットをtrainとvalに分ける

make_dataset/split.pyの変数dir_nameをデータセットのディレクトリ名に変更する。上の例ならばrootに変更する。
そして、python3 make_dataset/main.py

パラメータを調整する

MakefileのEPOCHやBATCH,YOLO_MODELを変更する。YOLO_MODELはモデルの大きさを表していて、n, s, m, l, xから選べる。IMG_SIZEは画像の解像度である。大きいほど学習時間が長くなる。精度がどのくらい良くなるのかは不明。

学習させる

make train_yoloを実行する。makeはapt install makeでいれよう。

学習結果を吟味する

学習が終わると、yolov5/runs/train/の下にexpから始まるディレクトリができている。このsuffixの最も大きいディレクトリが最新の学習結果である。 たとえば、exp10が最も大きいならば、yolov5/runs/train/exp10/weightsの中に学習後の重みが入っている。もう一度Makefileを開き、test_yoloの方のpathを最新のexpに変更し、SRC変数に画像ファイルや写真が入ったフォルダを指定すれば、yolov5/runs/detect/以下に生成される。

competiの使い方

• competi/images/以下に*.jpgとlabel.txtを配置する
• run.shを実行すると、Sが計算されている！！！