Skip to content

dataset.md

Latest commit

 

History

History
176 lines (124 loc) · 8.87 KB

dataset.md

File metadata and controls

176 lines (124 loc) · 8.87 KB

Подготовка датасета

🇬🇧 English version

Для обучения модели распознавания носков нужен размеченный датасет — набор фотографий с указанием, где именно на каждом снимке находятся носки (bounding box).

Съёмка фотографий

Запуск камеры

Фотографии снимаются напрямую с камеры Raspberry Pi. Скрипт делает серию снимков с паузами, чтобы успеть переложить носок в новое положение:

# На Raspberry Pi (требует sudo для доступа к камере)
sudo ./main.py shot --count 200 --output-dir images

Параметры:

  • --count — количество снимков (по умолчанию 200)
  • --output-dir — папка для сохранения (по умолчанию images/)
  • --pause — пауза между снимками в секундах (по умолчанию 2)
  • --move-pause — пауза каждые 10 снимков для смены позиции носка (по умолчанию 10)

Советы по съёмке

  • Разнообразие ракурсов: снимайте носки с разных сторон, на разном расстоянии от камеры
  • Разное освещение: при дневном свете, при искусственном, в тени
  • Разные поверхности: на полу, ковре, под мебелью, на диване
  • Разные носки: разных цветов, размеров, сложенные и разложенные
  • Фон: снимайте в реальных условиях квартиры, а не на однотонном фоне
  • Количество: чем больше, тем лучше. Минимум 200 фото, оптимально — 500+

Загрузка в Roboflow

Roboflow — платформа для управления датасетами компьютерного зрения. Бесплатный тариф покрывает все наши потребности.

  1. Зарегистрироваться на roboflow.com
  2. Создать новый проект: Object Detection, 1 класс — sock
  3. Загрузить все фотографии (Upload Data)
Загрузка данных в Roboflow

Аннотирование (разметка)

На каждой фотографии нужно отметить bounding box (прямоугольник) вокруг каждого носка и присвоить ему класс sock.

Roboflow предоставляет встроенный редактор для разметки:

  • Выбрать инструмент Bounding Box
  • Обвести каждый носок на фотографии
  • Указать класс sock
  • Повторить для всех фотографий
Разметка данных в Roboflow

Совет: если носок частично скрыт (например, под стулом), всё равно размечайте видимую часть. Модель научится распознавать и частично видимые носки.

Аугментация

Аугментация — автоматическое создание вариаций изображений для увеличения датасета. Roboflow может:

  • Повороты — случайный поворот на ±15°
  • Обрезка — случайная обрезка до 10% с каждой стороны
  • Яркость — изменение яркости ±20%
  • Размытие — лёгкое размытие (до 2.5 px)
  • Шум — добавление шума (до 3%)

При создании новой версии датасета (Create New Version) Roboflow применит выбранные аугментации и увеличит количество изображений в тренировочной выборке.

Создание версии с аугментацией

Быстрое правило:

  • Roboflow — если нужен самый быстрый путь от фотографий к готовому trainable-датасету;
  • albumentations — если нужен воспроизводимый pipeline аугментации через код.

Альтернатива: локальная аугментация через Python (albumentations)

Если нужен воспроизводимый локальный pipeline вместо Roboflow, популярный вариант — albumentations. Эта библиотека широко используется в computer vision и умеет работать с bounding box'ами.

Установка:

pip install albumentations opencv-python

Пример augmentation pipeline для датасета в стиле YOLO:

import cv2
import albumentations as A

transform = A.Compose(
    [
        A.Rotate(limit=15, border_mode=cv2.BORDER_CONSTANT, p=0.5),
        A.RandomBrightnessContrast(brightness_limit=0.2, contrast_limit=0.2, p=0.5),
        A.GaussianBlur(blur_limit=(3, 5), p=0.2),
        A.GaussNoise(std_range=(0.02, 0.08), p=0.2),
        A.RandomCropFromBorders(crop_left=0.1, crop_right=0.1, crop_top=0.1, crop_bottom=0.1, p=0.2),
    ],
    bbox_params=A.BboxParams(format="yolo", label_fields=["class_labels"]),
)

image = cv2.imread("dataset/train/images/example.jpg")
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)

bboxes = [
    [0.52, 0.48, 0.30, 0.22],  # x_center, y_center, width, height (формат YOLO)
]
class_labels = ["sock"]

augmented = transform(image=image, bboxes=bboxes, class_labels=class_labels)
augmented_image = augmented["image"]
augmented_bboxes = augmented["bboxes"]

Когда это удобно:

  • если нужны воспроизводимые аугментации в коде
  • если хочется version-control для augmentation pipeline
  • если нужно запускать одинаковые преобразования локально, в ноутбуках или в CI

Для этого проекта Roboflow по-прежнему самый быстрый путь для управления датасетом, но albumentations — хороший вариант, если тебе ближе workflow через код.

Экспорт датасета

После создания версии — скачать датасет в формате YOLOv8:

  1. Нажать Download Dataset
  2. Выбрать формат YOLOv8
  3. Выбрать download zip to computer или show download code
Выбор формата YOLOv8 при скачивании

Или скачать через терминал:

curl -L "https://app.roboflow.com/ds/YOUR_DATASET_URL" > roboflow.zip
unzip roboflow.zip
rm roboflow.zip

Структура датасета

После распаковки датасет имеет следующую структуру:

dataset/
├── train/
│   ├── images/        # Тренировочные изображения (~70%)
│   └── labels/        # Аннотации в формате YOLO (txt)
├── valid/
│   ├── images/        # Валидационные изображения (~20%)
│   └── labels/
├── test/
│   ├── images/        # Тестовые изображения (~10%)
│   └── labels/
└── data.yaml          # Конфиг датасета

Файл data.yaml описывает пути и классы:

train: dataset/train/images
val: dataset/valid/images
test: dataset/test/images

nc: 1
names: ['sock']

В текущей версии датасета — 961 изображение (Roboflow workspace: socks-axfcs, project: socks1, version 2).

← Предыдущая README Следующая →
Настройка Raspberry Pi 4 (legacy) Вернуться к README Тренировка модели