helmet-data-preprocessing

Step1 : 데이터 취득, 전처리

폴더 구성

Step1 은 총 1개의 파일로 이루어져 있습니다.

환경

파일은 개인이 설치한 jupyter notebook 에서 실행됩니다.

python 3.6

opencv-python

차근차근 따라하기 위한 설명서

이 폴더의 .ipynb 파일을 정상적으로 구동하기 위해서는, 이전까지 과정의 결과물이 필요할 수 있습니다. 필요한 모든 중간 결과물을 함께 업로드되어 있으니, 환경을 잘 점검하셔서 중간부터 진행해도 괜찮습니다.

진행하기 위해 필요한 것들

해당 ipynb 파일을 진행하기 위해 필요한 파일들입니다. 파일들을 다운받아, 다음 환경에 적절히 배치할 수 있어야 합니다. 어려운 과정은 아니나, 처음 하는 작업이라면 꽤나 오랜 시간이 걸릴 수 있습니다. 초보자는 Step1 부터 차근차근 진행해 나가는 것을 추천합니다.

마치면 나오는 것들

하나의 ipynb 파일을 실행하면 나오는 결과물입니다. 마찬가지로 어떤 데이터일 수도 있고 어떤 모델 파일이 결과물일 수도 있습니다. 다음 단계의 ipynb 파일을 실행하기 위해 필요할 수 있습니다.

진행 과정

1-1-helmetdataprocessing.ipynb

• 1-1 을 진행하기 위해 필요한 것들
  • 헬멧 착용 데이터 파일1 : (다운로드 링크)
  • 헬멧 미착용 데이터 파일1 : (링크)
• 1-1 을 마치면 나오는 결과물
  • 헬멧 착용 데이터 파일2 : (링크)
  • 헬멧 미착용 데이터 파일2 : (링크)
• 여기서 무엇을 하나요?
  • 우리가 준비한 파일은, Kaggle 에서 다운로드받은 Helmet Detection Dataset 입니다.
  • Detection 을 수행하기 위해서는, 이미지 파일마다, 어디에 헬멧을 쓴 얼굴이 있는지 어디에 헬멧을 쓰지 않은 얼굴이 있는지를 나타내는 정보를 담은 파일이 필요합니다.
  • 이 파일의 정보를 바탕으로, 헬멧을 쓴 얼굴과 헬멧을 쓰지 않은 얼굴을 crop 해서 별도의 dataset 으로 만드는 작업을 하게 됩니다.
• 어려운 점이 무엇인가요?
  • 어느 부분이 잘려져서 저장될지 검사하는 것
  • 많은 파일들에 대해서 자동화된 스크립트를 일괄적으로 적용할 수 있도록 하는 것
  • 정확히 얼굴만을 crop 하면 학습 성능이 떨어질 수 있기 때문에, 적절한 margin 을 설정하는 것
  • margin 을 설정했을 때, margin 이 이미지 영역을 벗어날 경우에 대한 처리
• 결과물은 어떻게 생성되나요?
  • (a) crop 된 헬멧 착용 이미지 파일 수천장이 들어있는 폴더
  • (b) crop 되지 않은 헬멧 미착용 이미지파일 수천장이 들어있는 폴더
  • 1-1 을 마치면 나오는 결과물은 아래와 같습니다.
    • 헬멧 착용 데이터파일2 : (a) 를 압축
    • 헬멧 미착용 데이터파일2 : 헬멧미착용 데이터파일1 에 (b) 를 넣고, 압축