アノテーション途中経過

アノテーション途中経過


アノテーション作業の途中経過を報告させて頂きます。

 $nano predifined_classes.txt 

まずディレクトリ変更でlabelImg内のdataディレクトリに指定し、上記のようなnanoエディタで自分の名前、家族、othersをそれぞれ一行ずつクラスラベルに指定して保存しました。

続いて、cdコマンドでディレクトリをlabelImg内のstudent変更します。

ここでunzipコマンドを入力し、studentディレクトリ内のzipファイルを解凍

$cd labelImgでディレクトリ変更し、

$python3 labelImg.pyでラベリングソフトを起動

Open Dirのでstudentディレクトリを選択しopenする。

ツールバーのViewのAuto Save modeとSingle Class Modeにチェックを入れ、

一枚目の写真をラベル選択する前にPscalVOCをクリックしてYOLOに変更しておきました。

一回目はこの作業を抜いてしまっていたのでラベル選択し保存した際に.xmlファイルでstudentディレクトリに保存されてしまいました。

その後、上記のYOLOに変更するとラベル選択し保存した際に.txtファイルで正しく1 0 ~座標のように格納されていました。

ラベル選択後にstudentディレクトリに保存されるテキストファイル


写真はありませんが、ラベル選択し保存する際に、あらかじめ変更しておいたpredifine_classes.txtの三つのクラスラベルのどれに指定するか選択しました(今回はまず自分の顔をアノテーションするのでクラスラベル１を選択)。

また、アノテーションの作業中は気づいてなかったのですが、predifine_classes.txtを変更してからlabelImgを起動したからなのか、studentディレクトリの中にclasses.txtというファイルが作られていました。

classes.txtの内容


ここからはstudentディレクトリ内の写真をラベル選択して保存していくだけなので、キー操作で作業を効率化しながらこなしていきます。また、ラベル保存した際に、画像ファイルと同じ名前のテキストファイルが保存されていることを確認しながら進めていきます。

具体的なキー操作：

ctrl + sで保存(今回はAuto Save modeを使用)

wでラベル選択の準備

dでディレクトリ内の次の写真に移動




コメント

  1. wiwao2021年3月23日 21:51

    この調子で作業と記録を続けて下さい。間違えたらここの記録も訂正、追記も忘れずに。

    返信削除
  2. wiwao2021年4月28日 19:33

    ちなみにこちらの進捗はいかがでほうか？学習用のXavierを確認中でそのテストもしてもらおうかと思います。

    返信削除
    返信
    1. 電機メーカーでのインターンシップ2021年4月28日 21:29

      五月の二週目あたりには一通りラベリングできると思います。

      削除

コメントを投稿

このブログの人気の投稿

Unity ReflectとAutodesk Revitを用いた3DデモとARについて(追記)

イメージ
 前回のブログで3Dモデルを床に接地した状態の実寸でAR表示することについての追記をさせて頂きます。Unity Supportさんからの再返信が今朝届いたので、その内容についてもまとめたいと思います。 3Dモデルを配置する際に原点をGLにする必要がある、とした前回のご報告に引き続いて、Corner matchモードを上手く使いこなせていないことが分かりました。 Corner matchモードについて(19分46秒~) Corner matchモードについて簡単に説明すると、床・壁A・壁Bの３つを指定することにより基準点となる座標を設定し、その頂点をリアルな場所と合わせることによりAR再現をすることができるものです。 このように各要素を選択してあげると動画のようにAR表示することができる機能がCorner matchモードになります。 また、このモードを使用してAR再現するならば、現場にあるものをモデル化し基準点となるものを設置しなければなりません(今回の動画でいうところの壁が基準点となっています)。 ということを踏まえて前回までの内容を振り返ると、AR再現する際に基準点となるものがありませんでした(キュービクルのみ)。これでは、Corner matchを用いてAR再現することはできませんし、実物サイズで表示することもできません。また、Unity Supportさんからご指摘された内容は、もし現場に基準点となるものが存在していなかったとしても、現場に存在する何かをBIMでモデル化し基準点として用いる必要があるとのことでした。 つまり、キュービクルだけをAR表示するのではなく、キュービクルを実際に接地する場所付近に存在する適当な物体をモデル化し基準点として用いる必要があるとのことでした。 これをすることができれば、3Dモデルが宙に浮いたり、物体のサイズが変わってしまうこともなくなるようです。 以上がUnity Supportさんにお尋ねし、現時点で考察することができるご報告になります。 まとめると、RevitやSketchUpを用いるときに、キュービクルなどの目的の物体だけを設置するのではなく、周囲の壁や柱などの基準点となりうるものも配置する必要があるようです。
続きを読む

~11/15までの活動報告

イメージ
 Jetson Nanoのセットアップについて、SDカードをフォーマットしてSwapfileを作成するところまで進めていましが、やはりopencvのバージョン確認のところで躓いてしまい、再度SDカードの初期化を行いました。ご指導頂きながら、opencvのバージョン確認、YOLOのテストまで終えることができたので、ここまでの記録をまとめたいと思います。 まず、opencvのバージョン確認について セットアップの初めのころは作業手順がばらばらであったためにエラーが出ているのかと思っていましたが、今回のバージョン確認で原因が分かったように思います。 前回の作業報告でnanoについて理解が深まったと書いていましたが、まだ甘かったようです。 build_opencv.shファイルの編集の際に、テキストエディタ―ではなく、nanoで書き換えるということを学んで、自宅で実践しましたが、 $nano build_opencv.sh このコードの返答は、空のファイルのみで何のコードも書かれておらず、編集不可能でした。この理由は単純でbuild_opencv.shが存在するディレクトリで上記のコードを入力する必要があったのに、デスクトップなどの適当なディレクトリで、 $nano build_opencv.sh と入力していたからでした。 そこで、ディレクトリをbuild_opencv.shが格納されているnano_build_opencvに変更しnanoを開くと編集可能になりました。同様のミスがのちのYOLOインストールのとき、.bashrcの編集の際に起きてしまいました。 次回からは、実行するファイルは現在のディレクトリに存在するのかしっかり確認してから作業していきたいと思います。 このような問題を解決した後は $./build_opencv.sh と入力して6時間ほど待ち、最後のバージョン確認へと移るわけですが、 $python >>>cv2.__versiion__ の結果は前回と同じく 'cv2' is not defined でありました。 エラーの原因としては色々考えられたのですが、最終的には、 >>>cv2.__version__ の前に >>>import cv2 を入力する必要がありました。 $py
続きを読む

11/4の作業報告

イメージ
  11月４の作業報告 会社での作業： 1.VRの体験 2m四方の空間でVRをセットして頂き、Google Earthのストーリービューと連携することで世界各国の様子を見ることができました。初めてのVRであったので、バーチャルの感覚に最初は戸惑いましたが、貴重な体験をさせて頂きました。また、VR技術には高度な計算処理が備わっており、人間が仮想空間でも不快に感じないように設計されているそうです。例えば、右の方向に振り向くスピードにバーチャルの視界が追い付かなければ、人は違和感を感じてしまいますが、ジャイロやそのほかの部品の処理を上手く設定することで、より現実的な世界を楽しむことができます。 2.Jetson Nanoのセットアップ Jetson Nanoのパフォーマンスを上げて、処理が固まったりすることを防ぐために以下のコマンドをはじめに打ち込みました。 $ sudo nvpmodel -m 0 $sudo jetson_clocks この二つをコマンドすることでFANの速度を最大化でき、処理速度が上がるそうです。 この他にもいろいろコマンドすることがあるので調べながら確認していきたいと思います。 3.コンパイル言語とスクリプト言語について コンパイル言語：JavaやC言語など スクリプト言語：JavaScriptやPythonなど 今までこの二つの違いについてあまり深堀せず、スクリプト言語の方が扱いやすく簡単なんだろうぐらいにしか考えていませんでした。 ご説明して頂き自分でも調べてみたところ、スクリプト言語を用いた場合、処理を実行しながら、人間に打ち込まれたプログラムを機械が分かるように翻訳していきます。動作が同時進行であるので、何万行といった式を処理していく場合は、コンパイルするのに多くの時間をとられてしまうので実行速度が遅くなるそうです。ただ、比較的少ない処理数であれば、処理速度には問題なく動作するようです。僕もJavaScriptを使ってプログラミングしていたころは、数百程度のコード処理では、動作のスピードが気にかかったことはなかったです。 対して、コンパイル言語を使うと、機械が分かるようにすべてのプログラムを機械が分かるように翻訳してから他の処理を行うので、コンパイルと処理が同時進行することはありません。そのため、何万という長文のコードを実行する場合でも処理
続きを読む