Part5에서는 input에서부터 output까지의 pipeline을 구축한다.
즉, image 읽기-->prediction-->prediction을 이용해 image에 BB그리기-->그 image 저장하기 과정을 수행한다는 이야기다.
또한, 실시간으로 이 detector를 작동시키는 방법을 알아볼 것이다.
먼저, detector.py file을 만든다.
- pandas가 설치되어 있지 않아
conda install pandas로 pandas 설치
Creating Command Line Arguments
-ArgParse module을 이용해 detector에 command line argument를 전해 주는 function을 만든다.
Loading the Network
-COCO data의 label이 담긴coco.names file 다운받고 data 폴더 만들어서 넣기
-util.py에 load_classes 정의
- label string을 담은 dictionary를 return하는 함수
Read the Input images
-util.py에 letterbox_image 정의
- image resize, aspect ratio 유지, padding
-util.py에prep_image정의
Create the Batches
The Detection Loop
-batch마다 detection에 걸린 time 측정
- input을 받은 시간과,
write_results의 output을 내기까지 사이의 시간
-write_prediction의 output attribute 중 하나는 batch에서 image의 index이다. 이를imlist에서의 image index로 이용한다.
Drawing bounding boxes on images
-output의 prediction은 padding image에 따른 상태지, original image에 대한 것이 아님.
- 따라서 BB를 그리기 전 original image의 dimension에 맞게 corner를 바꿔 주는 과정이 필요
-BB clip 코드 위에output_recast = time.time()추가
Printing Time Summary
Testing The Object Detector
$ python detector.py --images dog-cycle-car.png --det det결과: 실패....net load는 됐는데 person이라고만 계속 나옴;;
detect 실패...로 video/webcam은 진행하지 않기로 함
Running the Detector on Video/Webcam
Conclusion
할수이따 ~