Grupo Turing

Visão Computacional: Localização de Objetos

Por: Eduardo Eiras; Camilla Fonseca; Guilherme Salustiano; Luis Santos; Luísa Heise; Noel Eliezer; Rafael Coelho; Rodrigo Estevam; Wesley de Almeida

Projeto da área Visão Computacional com o foco de fazer uma rede classificadora de objetos e a utilizar para criar um localizador de objetos.

Qual a diferença ?

• Um classificador de objetos recebe uma imagem e tem como output qual classe aquela imagem pertence.
• Um localizador de objetos retorna onde em uma imagem contém uma determinada classe.

Treinando o modelo

Para realizar o transfer learning foi utilizado o modelo da YOLOv3 da ultralytics. Para isso, o dataset deve seguir a estrutura descrita a seguir. A estrutura dos arquivo deve ser a seguinte:

Pasta do modelo
--- data (pasta)
    --- nome do dataset (pasta)
        --- imagens (pasta)
            --- img1.jpg
            --- img2.jpg
            ..........
        --- rotulos (pasta)
            --- img1.txt
            --- img2.txt
            ..........
        --- treino.txt
        --- validacao.txt

Os arquivos img*.txt são arquivos que seguem a seguinte estrutura:

0 x_center y_center img_width img_height
0 0.500968 0.550968 0.1203843 0.4503683
0 0.500968 0.550968 0.1203843 0.4503683
0 0.500968 0.550968 0.1203843 0.4503683
...

Nesses arquivos, o primeiro parâmetro representa a classe do objeto que será classificado seguido da posição do centro dele (x_center, y_center). Em seguida, temos a largura e altura da caixa que envolve o objeto a ser classificado. Vale ressaltar que todas as medidas são relativas ao tamanho da imagem a ser classificada. Cada linha do arquivo contém um dos objetos a ser classificado na imagem.
Os arquivos treino.txt e validacao.txt contém o caminho relativo (considerando a raiz do projeto) para as imagens. Veja:

../data/dataset/imagens/img1.jpg
../data/dataset/imagens/img2.jpg
...