рдХреЗ-рдлреЛрд▓реНрдб рдХреНрд░реЙрд╕ рд╡реИрд▓рд┐рдбреЗрд╢рди рдХреЗ рд╕рд╛рде Ultralytics
рдкрд░рд┐рдЪрдп
рдпрд╣ рд╡реНрдпрд╛рдкрдХ рдорд╛рд░реНрдЧрджрд░реНрд╢рд┐рдХрд╛ рдХреЗ рднреАрддрд░ рдСрдмреНрдЬреЗрдХреНрдЯ рдбрд┐рдЯреЗрдХреНрд╢рди рдбреЗрдЯрд╛рд╕реЗрдЯ рдХреЗ рд▓рд┐рдП рдХреЗ-рдлреЛрд▓реНрдб рдХреНрд░реЙрд╕ рд╡реИрд▓рд┐рдбреЗрд╢рди рдХреЗ рдХрд╛рд░реНрдпрд╛рдиреНрд╡рдпрди рдХреЛ рджрд░реНрд╢рд╛рддреА рд╣реИ Ultralytics рдкрд╛рд░рд┐рд╕реНрдерд┐рддрд┐рдХреА рддрдВрддреНрд░ред рд╣рдо рд▓рд╛рдн рдЙрдард╛рдПрдВрдЧреЗ YOLO рдбрд┐рдЯреЗрдХреНрд╢рди рдлреЙрд░реНрдореЗрдЯ рдФрд░ рдХреБрдВрдЬреА Python рдЖрд╡рд╢реНрдпрдХ рд╕реЗрдЯрдЕрдк, рдлреАрдЪрд░ рд╡реИрдХреНрдЯрд░ рдЙрддреНрдкрдиреНрди рдХрд░рдиреЗ рдХреА рдкреНрд░рдХреНрд░рд┐рдпрд╛ рдФрд░ рдХреЗ-рдлреЛрд▓реНрдб рдбреЗрдЯрд╛рд╕реЗрдЯ рд╡рд┐рднрд╛рдЬрди рдХреЗ рдирд┐рд╖реНрдкрд╛рджрди рдХреЗ рдорд╛рдзреНрдпрдо рд╕реЗ рдЖрдкрдХрд╛ рдорд╛рд░реНрдЧрджрд░реНрд╢рди рдХрд░рдиреЗ рдХреЗ рд▓рд┐рдП рд╕реНрдХреЗрд▓рд░реНрди, рдкрд╛рдВрдбрд╛ рдФрд░ PyYaml рдЬреИрд╕реЗ рдкреБрд╕реНрддрдХрд╛рд▓рдпред
рдЪрд╛рд╣реЗ рдЖрдкрдХреА рдкрд░рд┐рдпреЛрдЬрдирд╛ рдореЗрдВ рдлреНрд░реВрдЯ рдбрд┐рдЯреЗрдХреНрд╢рди рдбреЗрдЯрд╛рд╕реЗрдЯ рдпрд╛ рдХрд╕реНрдЯрдо рдбреЗрдЯрд╛ рд╕реНрд░реЛрдд рд╢рд╛рдорд┐рд▓ рд╣реЛ, рдЗрд╕ рдЯреНрдпреВрдЯреЛрд░рд┐рдпрд▓ рдХрд╛ рдЙрджреНрджреЗрд╢реНрдп рдЖрдкрдХреЗ рдорд╢реАрди рд▓рд░реНрдирд┐рдВрдЧ рдореЙрдбрд▓ рдХреА рд╡рд┐рд╢реНрд╡рд╕рдиреАрдпрддрд╛ рдФрд░ рдордЬрдмреВрддреА рдХреЛ рдмрдврд╝рд╛рдиреЗ рдХреЗ рд▓рд┐рдП рдХреЗ-рдлреЛрд▓реНрдб рдХреНрд░реЙрд╕ рд╕рддреНрдпрд╛рдкрди рдХреЛ рд╕рдордЭрдиреЗ рдФрд░ рд▓рд╛рдЧреВ рдХрд░рдиреЗ рдореЗрдВ рдЖрдкрдХреА рд╕рд╣рд╛рдпрддрд╛ рдХрд░рдирд╛ рд╣реИред рдЬрдмрдХрд┐ рд╣рдо рдЖрд╡реЗрджрди рдХрд░ рд░рд╣реЗ рд╣реИрдВ k=5
рдЗрд╕ рдЯреНрдпреВрдЯреЛрд░рд┐рдпрд▓ рдХреЗ рд▓рд┐рдП рдлреЛрд▓реНрдб, рдзреНрдпрд╛рди рд░рдЦреЗрдВ рдХрд┐ рдлреЛрд▓реНрдб рдХреА рдЗрд╖реНрдЯрддрдо рд╕рдВрдЦреНрдпрд╛ рдЖрдкрдХреЗ рдбреЗрдЯрд╛рд╕реЗрдЯ рдФрд░ рдЖрдкрдХреЗ рдкреНрд░реЛрдЬреЗрдХреНрдЯ рдХреА рдмрд╛рд░реАрдХрд┐рдпреЛрдВ рдХреЗ рдЖрдзрд╛рд░ рдкрд░ рднрд┐рдиреНрди рд╣реЛ рд╕рдХрддреА рд╣реИред
рдЖрдЧреЗ рдХреА рд╣рд▓рдЪрд▓ рдХреЗ рдмрд┐рдирд╛, рдЖрдЗрдП рдЧреЛрддрд╛ рд▓рдЧрд╛рдПрдБ!
рд╕реЗрдЯрдЕрдк
-
рдЖрдкрдХреЗ рдПрдиреЛрдЯреЗрд╢рди YOLO рдкрддрд╛ рд▓рдЧрд╛рдиреЗ рдХрд╛ рдкреНрд░рд╛рд░реВрдкред
-
рдпрд╣ рдорд╛рд░реНрдЧрджрд░реНрд╢рд┐рдХрд╛ рдорд╛рдирддреА рд╣реИ рдХрд┐ рдПрдиреЛрдЯреЗрд╢рди рдлрд╝рд╛рдЗрд▓реЗрдВ рд╕реНрдерд╛рдиреАрдп рд░реВрдк рд╕реЗ рдЙрдкрд▓рдмреНрдз рд╣реИрдВред
-
рд╣рдорд╛рд░реЗ рдкреНрд░рджрд░реНрд╢рди рдХреЗ рд▓рд┐рдП, рд╣рдо рдлреНрд░реВрдЯ рдбрд┐рдЯреЗрдХреНрд╢рди рдбреЗрдЯрд╛рд╕реЗрдЯ рдХрд╛ рдЙрдкрдпреЛрдЧ рдХрд░рддреЗ рд╣реИрдВред
- рдЗрд╕ рдбреЗрдЯрд╛рд╕реЗрдЯ рдореЗрдВ рдХреБрд▓ 8479 рдЪрд┐рддреНрд░ рд╣реИрдВред
- рдЗрд╕рдореЗрдВ 6 рд╡рд░реНрдЧ рд▓реЗрдмрд▓ рд╢рд╛рдорд┐рд▓ рд╣реИрдВ, рдЬрд┐рдирдореЗрдВ рд╕реЗ рдкреНрд░рддреНрдпреЗрдХ рдХреА рдХреБрд▓ рдЙрджрд╛рд╣рд░рдг рдЧрдгрдирд╛ рдиреАрдЪреЗ рд╕реВрдЪреАрдмрджреНрдз рд╣реИред
рдХрдХреНрд╖рд╛ рд▓реЗрдмрд▓ | рдЗрдВрд╕реНрдЯреЗрдВрд╕ рдХрд╛рдЙрдВрдЯ |
---|---|
рд╕реЗрдм | 7049 |
рдЕрдВрдЧреВрд░ | 7202 |
рдЕрдирдиреНтАНрдирд╛рд╕ | 1613 |
рдирд╛рд░рдВрдЧреА | 15549 |
рдХреЗрд▓рд╛ | 3536 |
рддрд░рдмреВреЫ | 1976 |
-
реЫрд░реВрд░реА Python рдкреИрдХреЗрдЬ рдореЗрдВ рд╢рд╛рдорд┐рд▓ рд╣реИрдВ:
ultralytics
sklearn
pandas
pyyaml
-
рдпрд╣ рдЯреНрдпреВрдЯреЛрд░рд┐рдпрд▓ рдЗрд╕рдХреЗ рд╕рд╛рде рдХрд╛рдо рдХрд░рддрд╛ рд╣реИ
k=5
рдкрд░рддреЛрдВред рд╣рд╛рд▓рд╛рдВрдХрд┐, рдЖрдкрдХреЛ рдЕрдкрдиреЗ рд╡рд┐рд╢рд┐рд╖реНрдЯ рдбреЗрдЯрд╛рд╕реЗрдЯ рдХреЗ рд▓рд┐рдП рд╕рдмрд╕реЗ рдЕрдЪреНрдЫреА рд╕рдВрдЦреНрдпрд╛ рдирд┐рд░реНрдзрд╛рд░рд┐рдд рдХрд░рдиреА рдЪрд╛рд╣рд┐рдПред -
рдПрдХ рдирдпрд╛ рдЖрд░рдВрдн рдХрд░реЗрдВ Python рдЖрднрд╛рд╕реА рд╡рд╛рддрд╛рд╡рд░рдг (
venv
) рдЕрдкрдиреЗ рдкреНрд░реЛрдЬреЗрдХреНрдЯ рдХреЗ рд▓рд┐рдП рдФрд░ рдЗрд╕реЗ рд╕рдХреНрд░рд┐рдп рдХрд░реЗрдВред рдкреНрд░рдпреЛрдЧpip
(рдпрд╛ рдЖрдкрдХрд╛ рдкрд╕рдВрджреАрджрд╛ рдкреИрдХреЗрдЬ рдореИрдиреЗрдЬрд░) рд╕реНрдерд╛рдкрд┐рдд рдХрд░рдиреЗ рдХреЗ рд▓рд┐рдП:- рд╡рд╣реА Ultralytics рдкреБрд╕реНрддрдХрд╛рд▓рдп:
pip install -U ultralytics
. рд╡реИрдХрд▓реНрдкрд┐рдХ рд░реВрдк рд╕реЗ, рдЖрдк рдЕрдзрд┐рдХрд╛рд░реА рдХреЛ рдХреНрд▓реЛрди рдХрд░ рд╕рдХрддреЗ рд╣реИрдВ рд░реЗрдкреЛ. - рд╕реНрдХрд┐рдХрд┐рдЯ-рд▓рд░реНрди, рдкрд╛рдВрдбрд╛ рдФрд░ рдкрд╛рдпрдпрдореНрд▓:
pip install -U scikit-learn pandas pyyaml
.
- рд╡рд╣реА Ultralytics рдкреБрд╕реНрддрдХрд╛рд▓рдп:
-
рд╕рддреНрдпрд╛рдкрд┐рдд рдХрд░реЗрдВ рдХрд┐ рдЖрдкрдХреЗ рдПрдиреЛрдЯреЗрд╢рди YOLO рдкрддрд╛ рд▓рдЧрд╛рдиреЗ рдХрд╛ рдкреНрд░рд╛рд░реВрдкред
- рдЗрд╕ рдЯреНрдпреВрдЯреЛрд░рд┐рдпрд▓ рдХреЗ рд▓рд┐рдП, рд╕рднреА рдПрдиреЛрдЯреЗрд╢рди рдлрд╛рдЗрд▓реЗрдВ
Fruit-Detection/labels
рдбрд╛рдпрд░реЗрдХреНрдЯрд░реАред
- рдЗрд╕ рдЯреНрдпреВрдЯреЛрд░рд┐рдпрд▓ рдХреЗ рд▓рд┐рдП, рд╕рднреА рдПрдиреЛрдЯреЗрд╢рди рдлрд╛рдЗрд▓реЗрдВ
рдСрдмреНрдЬреЗрдХреНрдЯ рдбрд┐рдЯреЗрдХреНрд╢рди рдбреЗрдЯрд╛рд╕реЗрдЯ рдХреЗ рд▓рд┐рдП рдлрд╝реАрдЪрд░ рд╡реИрдХреНрдЯрд░ рдЬрдирд░реЗрдЯ рдХрд░рдирд╛
-
рдПрдХ рдирдпрд╛ рдмрдирд╛рдХрд░ рдкреНрд░рд╛рд░рдВрдн рдХрд░реЗрдВ Python рдлрд╝рд╛рдЗрд▓ рдФрд░ рдЖрд╡рд╢реНрдпрдХ рдкреБрд╕реНрддрдХрд╛рд▓рдпреЛрдВ рдХреЛ рдЖрдпрд╛рдд рдХрд░реЗрдВред
-
рдЕрдкрдиреЗ рдбреЗрдЯрд╛рд╕реЗрдЯ рдХреЗ рд▓рд┐рдП рд╕рднреА рд▓реЗрдмрд▓ рдлрд╝рд╛рдЗрд▓реЛрдВ рдХреЛ рдкреБрдирдГ рдкреНрд░рд╛рдкреНрдд рдХрд░рдиреЗ рдХреЗ рд▓рд┐рдП рдЖрдЧреЗ рдмрдврд╝реЗрдВред
-
рдЕрдм, рдбреЗрдЯрд╛рд╕реЗрдЯ YAML рдлрд╝рд╛рдЗрд▓ рдХреА рд╕рд╛рдордЧреНрд░реА рдкрдврд╝реЗрдВ рдФрд░ рдХреНрд▓рд╛рд╕ рд▓реЗрдмрд▓ рдХреЗ рд╕реВрдЪрдХрд╛рдВрдХ рдирд┐рдХрд╛рд▓реЗрдВред
-
рдХрд┐рд╕реА рд░рд┐рдХреНрдд рдХреЛ рдкреНрд░рд╛рд░рдВрдн рдХрд░рдирд╛
pandas
рдбреЗрдЯрд╛рдлреНрд░реЗрдоред -
рдПрдиреЛрдЯреЗрд╢рди рдлрд╝рд╛рдЗрд▓реЛрдВ рдореЗрдВ рдореМрдЬреВрдж рдкреНрд░рддреНрдпреЗрдХ рд╡рд░реНрдЧ-рд▓реЗрдмрд▓ рдХреЗ рдЙрджрд╛рд╣рд░рдгреЛрдВ рдХреА рдЧрдгрдирд╛ рдХрд░реЗрдВред
for label in labels: lbl_counter = Counter() with open(label,'r') as lf: lines = lf.readlines() for l in lines: # classes for YOLO label uses integer at first position of each line lbl_counter[int(l.split(' ')[0])] += 1 labels_df.loc[label.stem] = lbl_counter labels_df = labels_df.fillna(0.0) # replace `nan` values with `0.0`
-
рдкреЙрдкреБрд▓реЗрдЯреЗрдб рдбреЗрдЯрд╛ рдлрд╝реНрд░реЗрдо рдХрд╛ рдПрдХ рдирдореВрдирд╛ рджреГрд╢реНрдп рдирд┐рдореНрди рд╣реИ:
0 1 2 3 4 5 '0000a16e4b057580_jpg.rf.00ab48988370f64f5ca8ea4...' 0.0 0.0 0.0 0.0 0.0 7.0 '0000a16e4b057580_jpg.rf.7e6dce029fb67f01eb19aa7...' 0.0 0.0 0.0 0.0 0.0 7.0 '0000a16e4b057580_jpg.rf.bc4d31cdcbe229dd022957a...' 0.0 0.0 0.0 0.0 0.0 7.0 '00020ebf74c4881c_jpg.rf.508192a0a97aa6c4a3b6882...' 0.0 0.0 0.0 1.0 0.0 0.0 '00020ebf74c4881c_jpg.rf.5af192a2254c8ecc4188a25...' 0.0 0.0 0.0 1.0 0.0 0.0 ... ... ... ... ... ... ... 'ff4cd45896de38be_jpg.rf.c4b5e967ca10c7ced3b9e97...' 0.0 0.0 0.0 0.0 0.0 2.0 'ff4cd45896de38be_jpg.rf.ea4c1d37d2884b3e3cbce08...' 0.0 0.0 0.0 0.0 0.0 2.0 'ff5fd9c3c624b7dc_jpg.rf.bb519feaa36fc4bf630a033...' 1.0 0.0 0.0 0.0 0.0 0.0 'ff5fd9c3c624b7dc_jpg.rf.f0751c9c3aa4519ea3c9d6a...' 1.0 0.0 0.0 0.0 0.0 0.0 'fffe28b31f2a70d4_jpg.rf.7ea16bd637ba0711c53b540...' 0.0 6.0 0.0 0.0 0.0 0.0
рдкрдВрдХреНрддрд┐рдпрд╛рдБ рд▓реЗрдмрд▓ рдлрд╝рд╛рдЗрд▓реЛрдВ рдХреЛ рдЕрдиреБрдХреНрд░рдорд┐рдд рдХрд░рддреА рд╣реИрдВ, рдкреНрд░рддреНрдпреЗрдХ рдЖрдкрдХреЗ рдбреЗрдЯрд╛рд╕реЗрдЯ рдореЗрдВ рдПрдХ рдЫрд╡рд┐ рдХреЗ рдЕрдиреБрд░реВрдк рд╣реЛрддреА рд╣реИ, рдФрд░ рдХреЙрд▓рдо рдЖрдкрдХреЗ рд╡рд░реНрдЧ-рд▓реЗрдмрд▓ рд╕реВрдЪрдХрд╛рдВрдХреЛрдВ рдХреЗ рдЕрдиреБрд░реВрдк рд╣реЛрддреЗ рд╣реИрдВред рдкреНрд░рддреНрдпреЗрдХ рдкрдВрдХреНрддрд┐ рдПрдХ рдЫрджреНрдо рд╕реБрд╡рд┐рдзрд╛-рд╡реЗрдХреНрдЯрд░ рдХрд╛ рдкреНрд░рддрд┐рдирд┐рдзрд┐рддреНрд╡ рдХрд░рддреА рд╣реИ, рдЬрд┐рд╕рдореЗрдВ рдЖрдкрдХреЗ рдбреЗрдЯрд╛рд╕реЗрдЯ рдореЗрдВ рдореМрдЬреВрдж рдкреНрд░рддреНрдпреЗрдХ рд╡рд░реНрдЧ-рд▓реЗрдмрд▓ рдХреА рдЧрд┐рдирддреА рд╣реЛрддреА рд╣реИред рдпрд╣ рдбреЗрдЯрд╛ рд╕рдВрд░рдЪрдирд╛ рдСрдмреНрдЬреЗрдХреНрдЯ рдбрд┐рдЯреЗрдХреНрд╢рди рдбреЗрдЯрд╛рд╕реЗрдЯ рдореЗрдВ рдХреЗ-рдлреЛрд▓реНрдб рдХреНрд░реЙрд╕ рд╡реИрд▓рд┐рдбреЗрд╢рди рдХреЗ рдЕрдиреБрдкреНрд░рдпреЛрдЧ рдХреЛ рд╕рдХреНрд╖рдо рдмрдирд╛рддреА рд╣реИред
рдХреЗ-рдлреЛрд▓реНрдб рдбреЗрдЯрд╛рд╕реЗрдЯ рд╕реНрдкреНрд▓рд┐рдЯ
-
рдЕрдм рд╣рдо
KFold
рд╕реЗ рд╡рд░реНрдЧsklearn.model_selection
рдЙрддреНрдкрдиреНрди рдХрд░рдиреЗ рдХреЗ рд▓рд┐рдПk
рдбреЗрдЯрд╛рд╕реЗрдЯ рдХреЗ рд╡рд┐рднрд╛рдЬрдиред- рдорд╣рддреНрд╡рдкреВрд░реНрдг:
- рд╕реЗрдЯрд┐рдВрдЧ
shuffle=True
рдЖрдкрдХреЗ рд╡рд┐рднрд╛рдЬрди рдореЗрдВ рдХрдХреНрд╖рд╛рдУрдВ рдХрд╛ рдпрд╛рджреГрдЪреНрдЫрд┐рдХ рд╡рд┐рддрд░рдг рд╕реБрдирд┐рд╢реНрдЪрд┐рдд рдХрд░рддрд╛ рд╣реИред - рд╕реЗрдЯ рдХрд░рдХреЗ
random_state=M
рдХрд╣рд╛рдВM
рдПрдХ рдЪреБрдирд╛ рд╣реБрдЖ рдкреВрд░реНрдгрд╛рдВрдХ рд╣реИ, рдЖрдк рджреЛрд╣рд░рд╛рдиреЗ рдпреЛрдЧреНрдп рдкрд░рд┐рдгрд╛рдо рдкреНрд░рд╛рдкреНрдд рдХрд░ рд╕рдХрддреЗ рд╣реИрдВред
- рд╕реЗрдЯрд┐рдВрдЧ
- рдорд╣рддреНрд╡рдкреВрд░реНрдг:
-
рдбреЗрдЯрд╛рд╕реЗрдЯ рдХреЛ рдЕрдм рд╡рд┐рднрд╛рдЬрд┐рдд рдХрд░ рджрд┐рдпрд╛ рдЧрдпрд╛ рд╣реИ
k
рд╕рд┐рд▓рд╡рдЯреЛрдВ, рдкреНрд░рддреНрдпреЗрдХ рдХреА рдПрдХ рд╕реВрдЪреА рд╣реИtrain
рдФрд░val
рд╕реВрдЪрдХрд╛рдВрдХред рд╣рдо рдЗрди рдкрд░рд┐рдгрд╛рдореЛрдВ рдХреЛ рдЕрдзрд┐рдХ рд╕реНрдкрд╖реНрдЯ рд░реВрдк рд╕реЗ рдкреНрд░рджрд░реНрд╢рд┐рдд рдХрд░рдиреЗ рдХреЗ рд▓рд┐рдП рдПрдХ рдбреЗрдЯрд╛рдлреНрд░реЗрдо рдХрд╛ рдирд┐рд░реНрдорд╛рдг рдХрд░реЗрдВрдЧреЗред -
рдЕрдм рд╣рдо рдкреНрд░рддреНрдпреЗрдХ рддрд╣ рдХреЗ рд▓рд┐рдП рд╡рд░реНрдЧ рд▓реЗрдмрд▓ рдХреЗ рд╡рд┐рддрд░рдг рдХреА рдЧрдгрдирд╛ 1999 рдореЗрдВ рдЙрдкрд╕реНрдерд┐рдд рд╡рд░реНрдЧреЛрдВ рдХреЗ рдЕрдиреБрдкрд╛рдд рдХреЗ рд░реВрдк рдореЗрдВ рдХрд░реЗрдВрдЧреЗред
val
рдореЗрдВ рдЙрдкрд╕реНрдерд┐рдд рд▓реЛрдЧреЛрдВ рдХреЗ рд▓рд┐рдПtrain
.fold_lbl_distrb = pd.DataFrame(index=folds, columns=cls_idx) for n, (train_indices, val_indices) in enumerate(kfolds, start=1): train_totals = labels_df.iloc[train_indices].sum() val_totals = labels_df.iloc[val_indices].sum() # To avoid division by zero, we add a small value (1E-7) to the denominator ratio = val_totals / (train_totals + 1E-7) fold_lbl_distrb.loc[f'split_{n}'] = ratio
рдЖрджрд░реНрд╢ рдкрд░рд┐рджреГрд╢реНрдп рд╕рднреА рд╡рд░реНрдЧ рдЕрдиреБрдкрд╛рддреЛрдВ рдХреЗ рд▓рд┐рдП рдкреНрд░рддреНрдпреЗрдХ рд╡рд┐рднрд╛рдЬрди рдФрд░ рд╕рднреА рд╡рд░реНрдЧреЛрдВ рдХреЗ рд▓рд┐рдП рдпрдереЛрдЪрд┐рдд рд╕рдорд╛рди рд╣реЛрдирд╛ рд╣реИред рд╣рд╛рд▓рд╛рдБрдХрд┐, рдпрд╣ рдЖрдкрдХреЗ рдбреЗрдЯрд╛рд╕реЗрдЯ рдХреА рдмрд╛рд░реАрдХрд┐рдпреЛрдВ рдХреЗ рдЕрдзреАрди рд╣реЛрдЧрд╛ред
-
рдЗрд╕рдХреЗ рдмрд╛рдж, рд╣рдо рдкреНрд░рддреНрдпреЗрдХ рд╡рд┐рднрд╛рдЬрди рдХреЗ рд▓рд┐рдП рдирд┐рд░реНрджреЗрд╢рд┐рдХрд╛ рдФрд░ рдбреЗрдЯрд╛рд╕реЗрдЯ YAML рдлрд╝рд╛рдЗрд▓реЗрдВ рдмрдирд╛рддреЗ рд╣реИрдВред
supported_extensions = ['.jpg', '.jpeg', '.png'] # Initialize an empty list to store image file paths images = [] # Loop through supported extensions and gather image files for ext in supported_extensions: images.extend(sorted((dataset_path / 'images').rglob(f"*{ext}"))) # Create the necessary directories and dataset YAML files (unchanged) save_path = Path(dataset_path / f'{datetime.date.today().isoformat()}_{ksplit}-Fold_Cross-val') save_path.mkdir(parents=True, exist_ok=True) ds_yamls = [] for split in folds_df.columns: # Create directories split_dir = save_path / split split_dir.mkdir(parents=True, exist_ok=True) (split_dir / 'train' / 'images').mkdir(parents=True, exist_ok=True) (split_dir / 'train' / 'labels').mkdir(parents=True, exist_ok=True) (split_dir / 'val' / 'images').mkdir(parents=True, exist_ok=True) (split_dir / 'val' / 'labels').mkdir(parents=True, exist_ok=True) # Create dataset YAML files dataset_yaml = split_dir / f'{split}_dataset.yaml' ds_yamls.append(dataset_yaml) with open(dataset_yaml, 'w') as ds_y: yaml.safe_dump({ 'path': split_dir.as_posix(), 'train': 'train', 'val': 'val', 'names': classes }, ds_y)
-
рдЕрдВрдд рдореЗрдВ, рдкреНрд░рддреНрдпреЗрдХ рд╡рд┐рднрд╛рдЬрди рдХреЗ рд▓рд┐рдП рдЫрд╡рд┐рдпреЛрдВ рдФрд░ рд▓реЗрдмрд▓ рдХреЛ рд╕рдВрдмрдВрдзрд┐рдд рдирд┐рд░реНрджреЗрд╢рд┐рдХрд╛ ('рдЯреНрд░реЗрди' рдпрд╛ 'рд╡реИрд▓') рдореЗрдВ рдХреЙрдкреА рдХрд░реЗрдВред
- рдиреЛрдЯ: рдХреЛрдб рдХреЗ рдЗрд╕ рднрд╛рдЧ рдХреЗ рд▓рд┐рдП рдЖрд╡рд╢реНрдпрдХ рд╕рдордп рдЖрдкрдХреЗ рдбреЗрдЯрд╛рд╕реЗрдЯ рдФрд░ рдЖрдкрдХреЗ рд╕рд┐рд╕реНрдЯрдо рд╣рд╛рд░реНрдбрд╡реЗрдпрд░ рдХреЗ рдЖрдХрд╛рд░ рдХреЗ рдЖрдзрд╛рд░ рдкрд░ рдЕрд▓рдЧ-рдЕрд▓рдЧ рд╣реЛрдЧрд╛ред
for image, label in zip(images, labels): for split, k_split in folds_df.loc[image.stem].items(): # Destination directory img_to_path = save_path / split / k_split / 'images' lbl_to_path = save_path / split / k_split / 'labels' # Copy image and label files to new directory (SamefileError if file already exists) shutil.copy(image, img_to_path / image.name) shutil.copy(label, lbl_to_path / label.name)
рд░рд┐рдХреЙрд░реНрдбреНрд╕ рд╕рд╣реЗрдЬреЗрдВ (рд╡реИрдХрд▓реНрдкрд┐рдХ)
рд╡реИрдХрд▓реНрдкрд┐рдХ рд░реВрдк рд╕реЗ, рдЖрдк рднрд╡рд┐рд╖реНрдп рдХреЗ рд╕рдВрджрд░реНрдн рдХреЗ рд▓рд┐рдП рдХреЗ-рдлреЛрд▓реНрдб рд╕реНрдкреНрд▓рд┐рдЯ рдФрд░ рд▓реЗрдмрд▓ рд╡рд┐рддрд░рдг рдбреЗрдЯрд╛рдлреНрд░реЗрдо рдХреЗ рд░рд┐рдХреЙрд░реНрдб рдХреЛ рд╕реАрдПрд╕рд╡реА рдлрд╛рдЗрд▓реЛрдВ рдХреЗ рд░реВрдк рдореЗрдВ рд╕рд╣реЗрдЬ рд╕рдХрддреЗ рд╣реИрдВред
folds_df.to_csv(save_path / "kfold_datasplit.csv")
fold_lbl_distrb.to_csv(save_path / "kfold_label_distribution.csv")
рд░реЗрд▓рдЧрд╛рдбрд╝реА YOLO рдХреЗ-рдлреЛрд▓реНрдб рдбреЗрдЯрд╛ рд╕реНрдкреНрд▓рд┐рдЯ рдХрд╛ рдЙрдкрдпреЛрдЧ рдХрд░рдирд╛
-
рд╕рдмрд╕реЗ рдкрд╣рд▓реЗ, рд▓реЛрдб рдХрд░реЗрдВ YOLO рдХреЛ рдЧрдврд╝рдирд╛ред
-
рдЗрд╕рдХреЗ рдмрд╛рдж, рдкреНрд░рд╢рд┐рдХреНрд╖рдг рдЪрд▓рд╛рдиреЗ рдХреЗ рд▓рд┐рдП рдбреЗрдЯрд╛рд╕реЗрдЯ YAML рдлрд╝рд╛рдЗрд▓реЛрдВ рдкрд░ рдкреБрдирд░рд╛рд╡реГрддрд┐ рдХрд░реЗрдВред рдкрд░рд┐рдгрд╛рдо рджреНрд╡рд╛рд░рд╛ рдирд┐рд░реНрджрд┐рд╖реНрдЯ рдирд┐рд░реНрджреЗрд╢рд┐рдХрд╛ рдореЗрдВ рд╕рд╣реЗрдЬреЗ рдЬрд╛рдПрдВрдЧреЗ
project
рдФрд░name
рддрд░реНрдХред рдбрд┐рдлрд╝реЙрд▓реНрдЯ рд░реВрдк рд╕реЗ, рдпрд╣ рдирд┐рд░реНрджреЗрд╢рд┐рдХрд╛ 'exp/runs#' рд╣реИ рдЬрд╣рд╛рдВ # рдПрдХ рдкреВрд░реНрдгрд╛рдВрдХ рд╕реВрдЪрдХрд╛рдВрдХ рд╣реИредresults = {} # Define your additional arguments here batch = 16 project = 'kfold_demo' epochs = 100 for k in range(ksplit): dataset_yaml = ds_yamls[k] model.train(data=dataset_yaml,epochs=epochs, batch=batch, project=project) # include any train arguments results[k] = model.metrics # save output metrics for further analysis
рд╕рдорд╛рдкреНрддрд┐
рдЗрд╕ рдЧрд╛рдЗрдб рдореЗрдВ, рд╣рдордиреЗ рдкреНрд░рд╢рд┐рдХреНрд╖рдг рдХреЗ рд▓рд┐рдП рдХреЗ-рдлреЛрд▓реНрдб рдХреНрд░реЙрд╕-рд╕рддреНрдпрд╛рдкрди рдХрд╛ рдЙрдкрдпреЛрдЧ рдХрд░рдиреЗ рдХреА рдкреНрд░рдХреНрд░рд┐рдпрд╛ рдХрд╛ рдкрддрд╛ рд▓рдЧрд╛рдпрд╛ рд╣реИ YOLO рд╡рд╕реНрддреБ рдХрд╛ рдкрддрд╛ рд▓рдЧрд╛рдиреЗ рдХрд╛ рдореЙрдбрд▓ред рд╣рдордиреЗ рд╕реАрдЦрд╛ рдХрд┐ рдЕрдкрдиреЗ рдбреЗрдЯрд╛рд╕реЗрдЯ рдХреЛ K рд╡рд┐рднрд╛рдЬрди рдореЗрдВ рдХреИрд╕реЗ рд╡рд┐рднрд╛рдЬрд┐рдд рдХрд┐рдпрд╛ рдЬрд╛рдП, рдЬрд┐рд╕рд╕реЗ рд╡рд┐рднрд┐рдиреНрди рд╕рд┐рд▓рд╡рдЯреЛрдВ рдореЗрдВ рд╕рдВрддреБрд▓рд┐рдд рд╡рд░реНрдЧ рд╡рд┐рддрд░рдг рд╕реБрдирд┐рд╢реНрдЪрд┐рдд рд╣реЛред
рд╣рдордиреЗ рдЗрди рд╡рд┐рднрд╛рдЬрдиреЛрдВ рдореЗрдВ рдбреЗрдЯрд╛ рд╡рд┐рднрд╛рдЬрди рдФрд░ рд▓реЗрдмрд▓ рд╡рд┐рддрд░рдг рдХреА рдХрд▓реНрдкрдирд╛ рдХрд░рдиреЗ рдХреЗ рд▓рд┐рдП рд░рд┐рдкреЛрд░реНрдЯ рдбреЗрдЯрд╛рдлреНрд░реЗрдо рдмрдирд╛рдиреЗ рдХреА рдкреНрд░рдХреНрд░рд┐рдпрд╛ рдХрд╛ рднреА рдкрддрд╛ рд▓рдЧрд╛рдпрд╛, рдЬрд┐рд╕рд╕реЗ рд╣рдореЗрдВ рдЕрдкрдиреЗ рдкреНрд░рд╢рд┐рдХреНрд╖рдг рдФрд░ рд╕рддреНрдпрд╛рдкрди рд╕реЗрдЯ рдХреА рд╕рдВрд░рдЪрдирд╛ рдореЗрдВ рд╕реНрдкрд╖реНрдЯ рдЬрд╛рдирдХрд╛рд░реА рдорд┐рд▓реАред
рд╡реИрдХрд▓реНрдкрд┐рдХ рд░реВрдк рд╕реЗ, рд╣рдордиреЗ рднрд╡рд┐рд╖реНрдп рдХреЗ рд╕рдВрджрд░реНрдн рдХреЗ рд▓рд┐рдП рдЕрдкрдиреЗ рд░рд┐рдХреЙрд░реНрдб рд╕рд╣реЗрдЬреЗ, рдЬреЛ рд╡рд┐рд╢реЗрд╖ рд░реВрдк рд╕реЗ рдмрдбрд╝реЗ рдкреИрдорд╛рдиреЗ рдХреА рдкрд░рд┐рдпреЛрдЬрдирд╛рдУрдВ рдореЗрдВ рдпрд╛ рдореЙрдбрд▓ рдкреНрд░рджрд░реНрд╢рди рдХрд╛ рд╕рдорд╕реНрдпрд╛ рдирд┐рд╡рд╛рд░рдг рдХрд░рддреЗ рд╕рдордп рдЙрдкрдпреЛрдЧреА рд╣реЛ рд╕рдХрддреЗ рд╣реИрдВред
рдЕрдВрдд рдореЗрдВ, рд╣рдордиреЗ рд▓реВрдк рдореЗрдВ рдкреНрд░рддреНрдпреЗрдХ рд╡рд┐рднрд╛рдЬрди рдХрд╛ рдЙрдкрдпреЛрдЧ рдХрд░рдХреЗ рд╡рд╛рд╕реНрддрд╡рд┐рдХ рдореЙрдбрд▓ рдкреНрд░рд╢рд┐рдХреНрд╖рдг рдХреЛ рд▓рд╛рдЧреВ рдХрд┐рдпрд╛, рдЬрд┐рд╕рд╕реЗ рдЖрдЧреЗ рдХреЗ рд╡рд┐рд╢реНрд▓реЗрд╖рдг рдФрд░ рддреБрд▓рдирд╛ рдХреЗ рд▓рд┐рдП рд╣рдорд╛рд░реЗ рдкреНрд░рд╢рд┐рдХреНрд╖рдг рдкрд░рд┐рдгрд╛рдореЛрдВ рдХреЛ рдмрдЪрд╛рдпрд╛ рдЬрд╛ рд╕рдХреЗред
рдХреЗ-рдлреЛрд▓реНрдб рдХреНрд░реЙрд╕-рд╕рддреНрдпрд╛рдкрди рдХреА рдпрд╣ рддрдХрдиреАрдХ рдЖрдкрдХреЗ рдЙрдкрд▓рдмреНрдз рдбреЗрдЯрд╛ рдХрд╛ рдЕрдзрд┐рдХрддрдо рд▓рд╛рдн рдЙрдард╛рдиреЗ рдХрд╛ рдПрдХ рдордЬрдмреВрдд рддрд░реАрдХрд╛ рд╣реИ, рдФрд░ рдпрд╣ рд╕реБрдирд┐рд╢реНрдЪрд┐рдд рдХрд░рдиреЗ рдореЗрдВ рдорджрдж рдХрд░рддрд╛ рд╣реИ рдХрд┐ рдЖрдкрдХрд╛ рдореЙрдбрд▓ рдкреНрд░рджрд░реНрд╢рди рд╡рд┐рднрд┐рдиреНрди рдбреЗрдЯрд╛ рд╕рдмрд╕реЗрдЯ рдореЗрдВ рд╡рд┐рд╢реНрд╡рд╕рдиреАрдп рдФрд░ рд╕реБрд╕рдВрдЧрдд рд╣реИред рдЗрд╕рдХреЗ рдкрд░рд┐рдгрд╛рдорд╕реНрд╡рд░реВрдк рдПрдХ рдЕрдзрд┐рдХ рд╕рд╛рдорд╛рдиреНрдп рдФрд░ рд╡рд┐рд╢реНрд╡рд╕рдиреАрдп рдореЙрдбрд▓ рд╣реЛрддрд╛ рд╣реИ рдЬреЛ рд╡рд┐рд╢рд┐рд╖реНрдЯ рдбреЗрдЯрд╛ рдкреИрдЯрд░реНрди рдХреЗ рд▓рд┐рдП рдУрд╡рд░рдлрд┐рдЯ рд╣реЛрдиреЗ рдХреА рд╕рдВрднрд╛рд╡рдирд╛ рдХрдо рд╣реЛрддреА рд╣реИред
рдпрд╛рдж рд░рдЦреЗрдВ рдХрд┐ рд╣рд╛рд▓рд╛рдВрдХрд┐ рд╣рдордиреЗ рдЗрд╕реНрддреЗрдорд╛рд▓ рдХрд┐рдпрд╛ рдерд╛ YOLO рдЗрд╕ рдЧрд╛рдЗрдб рдореЗрдВ, рдпреЗ рдЪрд░рдг рдЬреНрдпрд╛рджрд╛рддрд░ рдЕрдиреНрдп рдорд╢реАрди рд▓рд░реНрдирд┐рдВрдЧ рдореЙрдбрд▓ рдХреЗ рд▓рд┐рдП рд╣рд╕реНрддрд╛рдВрддрд░рдгреАрдп рд╣реИрдВред рдЗрди рдЪрд░рдгреЛрдВ рдХреЛ рд╕рдордЭрдиреЗ рд╕реЗ рдЖрдк рдЕрдкрдиреА рдорд╢реАрди рд▓рд░реНрдирд┐рдВрдЧ рдкрд░рд┐рдпреЛрдЬрдирд╛рдУрдВ рдореЗрдВ рдкреНрд░рднрд╛рд╡реА рдврдВрдЧ рд╕реЗ рдХреНрд░реЙрд╕-рд╕рддреНрдпрд╛рдкрди рд▓рд╛рдЧреВ рдХрд░ рд╕рдХрддреЗ рд╣реИрдВред рд╣реИрдкреНрдкреА рдХреЛрдбрд┐рдВрдЧ!
2023-11-12 рдмрдирд╛рдпрд╛ рдЧрдпрд╛, рдЕрдкрдбреЗрдЯ рдХрд┐рдпрд╛ рдЧрдпрд╛ 2023-12-03
рд▓реЗрдЦрдХ: рдЧреНрд▓реЗрди-рдЬреЛрдЪрд░ (5), рдмреБрд░рд╣рд╛рди-рдХреНрдпреВ (1)