Commit 19ac5713 authored by Mia Fornes's avatar Mia Fornes
Browse files

done

parent 2dc76a7e
# TDAT3001 Bacheloroppgave Dataingeniør 2021
## Systemdokumentasjon
### Introduksjon
Dokumentet er skrevet i forbindelse med faget TDAT3001 Bacheloroppgave Dataingeniør våren 2021. Hensikten med dokumentet er å gi en beskrivelse av systemet som er laget, og inneholder dermed en installasjonsveiledning på hvordan installasjon og kjøring av koden foregår.
___
### Prosjektstruktur
* frame_extraction.py - inneholder kode for genereing av frames ut fra en video
* generate_train_and_valid_data.py - inneholder kode som forenkler prosessen med innedeling av trenings- og valideringsdata i Darknet.
___
### Installasjon og kjøring
De viktigste eksterne avhengighetene/programvarebibliotekene som har blitt brukt i prosjektet er listet nedenfor:
* [AlexeyAB/darknet](https://github.com/AlexeyAB/darknet) - Rammeverk for trening av YOLO-modeller.
* [tzutalin/labelImg](https://github.com/tzutalin/labelImg) - Program brukt for labeling av frames.
* [theAIGuysCode/yolo4-custom-functions](https://github.com/theAIGuysCode/yolov4-custom-functions) - Repository med kode for å konvertere modeller fra Darknet til TensorFlow. Repoet inneholder også kode for deteksjon på biler og video. Modifikasjoner er gjort for å tegne ground truth bokser, og kan brukes ved å klone vår fork av repoet: [our-yolo-custom-functions](https://gitlab.stud.idi.ntnu.no/miafo/our-yolo-custom-functions). Prosessen med å installere nødvendige biblioteker, samt konvertering av modell, gjøres på tilsvarende måte som for den originale koden. Dersom det er ønskelig å benytte vår kode for tegning av ground truth bokser må følgende kommando brukes:
> python detect.py --weights ./checkpoints/yolov4-tiny-416 --size 416 --model yolov4 --images ./data/test-data.txt --tiny --output ./detections/ --dont_show --ground_truth
* [theAIGuysCode/yolov4-deepsort](https://github.com/theAIGuysCode/yolov4-deepsort) - Repository med kode for konvertering av Darknet-modeller til TensorFlow, samt implementasjon av objektsporingsalgoritmen DeepSORT. Dette repositoriet ble brukt som sjekk på hvordan de trente YOLO-modellene fungerte med sporing.
* [protocolbuffers/protobuf](https://github.com/protocolbuffers/protobuf/releases?fbclid=IwAR12YGQMJ77evhzfdu2_h2YdZecCu7EHYUCXDx9Zc1iHh-DjETO_exycIfU) - Repository med kode brukt i forbinelse med
%% Cell type:code id:electric-quest tags:
``` python
import cv2 # for capturing videos
import math # for mathematical operations
import matplotlib.pyplot as plt # for plotting the images
%matplotlib inline
import pandas as pd
from keras.preprocessing import image # for preprocessing the images
import numpy as np # for mathematical operations
from keras.utils import np_utils
from skimage.transform import resize # for resizing images
```
%% Cell type:code id:continuous-murder tags:
``` python
with open("trainval.txt", "w") as f:
for i in range(0,134):
val = "frame%d" % i
f.write(val)
f.close()
```
%% Cell type:code id:closed-trustee tags:
``` python
```
This source diff could not be displayed because it is too large. You can view the blob instead.
dog
person
cat
tv
car
meatballs
marinara sauce
tomato soup
chicken noodle soup
french onion soup
chicken breast
ribs
pulled pork
hamburger
cavity
headlights
windshield
trailerbody
carroof
carrear
carsign
trailer
This diff is collapsed.
with open("trainval.txt", "w") as f:
for i in range(0,1766):
val = "frame%d\n" % i
f.write(val)
f.close()
Supports Markdown
0% or .
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment