728x90
Yolo Make using KITTI dataset
[내용]
- Dataloader : 학습에 필요한 이미지 라벨을 불러오는 과정
- Model (model, activation)
- Train (input -> out (loss, optimize 설정 필요)) / eval(compare gt) logic
- Loss (evaluation metric) -> 이를 이용해서 backpropagation을 하기 때문에 중요함! (MSE, MAE, Binary cross entropy)
[이번 포스트에 들어갈 내용]
- folder 구조
전체 폴더 구조
─ yolov3_kitti.cfg
─ main.py
─ utils
└─ __init__.py
└─ tools.py
─ dataloader
└─ __init__.py
└─ data_transform.py
└─ yolodata.py
─ dataset
└─ train
└─ Annotations
└─ ImageSets #train.txt 파일
└─ JPEGImages
└─ eval
└─ Annotations
└─ ImageSets
└─ JPEGImages
└─ test
└─ ImageSets
└─ JPEGImages
728x90
'Done > C++_Python' 카테고리의 다른 글
[C++] 문서화 Doxygen 사용하기 (0) | 2023.07.09 |
---|---|
[Deep learning] Pytorch 처음부터 KITTI dataset을 이용한 object detection - [1] (0) | 2023.06.09 |
[C++] 함수의 전달(값, 참조, 주소) [* , &] (0) | 2023.06.05 |
[Python] 지정 경로에 경로 존재 여부 확인, 디렉토리 생성 (0) | 2023.06.01 |
[OpenCV python]컨투어 찾기 ( cv2.findContours ) (0) | 2023.06.01 |