mAP50=0.992が出た！

ひとつ前の記事
https://gpsrsgis.seesaa.net/article/504281370.html
で水増ししたアノテーション済みデータ（20,200画像＋20,200テキストの組み合わせ）を，
同僚が作成してくれたRスクリプトでランダムに6分割
test:10%
fold1:18%
fold2:18%
fold3:18%
fold4:18%
fold5:18%
し，fold1の3,636枚（20,200 x 0.18）を検証用，fold2〜5までの14,544枚（20,200 x 0.72)を訓練用に設定し，YOLOv5のsmall (s)モデルで学習（train.pyを実行）させてみました。

train.pyを始めたところ↓


train.pyの実行中の動画↓


train.pyの実行結果↓

1,000回の繰り返し（1000 epoch）をしたところ，検出精度の指標のひとつである，mAP50が0.992（被害3区分総合）となりました。
※mAP50：正解位置とのIOU(BOX同士の重なり比率)が0.5以上の検出結果を正解とした場合の全クラスに対するAP(物体検出の精度)の平均
驚異的な高精度でびっくりです。
水増し前のmAP50は0.65前後だったので，
https://gpsrsgis.seesaa.net/article/504150333.html
水増しの効果は絶大ですね。

train.py実行結果の10連グラフです↓。

1,000回繰り返し後もまだobject lossの値が下がり続けているので，過学習は起きていません。
※object loss：検証用データの検出範囲内の物体の有無の正解値と予測値との誤差

私のアノテーション画像と，YOLOv5sの検出画像を載せておきます↓。




epochs = 1,000で終息しなかったので，今度はepochs = 5,000に設定して再学習中です。
物体検出，面白いですね！

YOLOの教師データの水増し大作戦（再び）

物体検出アルゴリズムのYOLO用のアノテーションデータの水増しについて，以前ふたつの記事を書きました。
(1)学習データ水増しプロジェクト
https://gpsrsgis.seesaa.net/article/502638072.html
(2)水増し作戦大成功
https://gpsrsgis.seesaa.net/article/502653073.html

水増し用のpythonコードはここにあるのを見つけました↓。
https://qiita.com/garcoo/items/2ab8972ce304ffc8d225
Takahiro Kogaという方の作品です。

この記事では，5,050組（jpg+txt，10,100ファイル）のデータを，20,200組（jpg+txt，40.400ファイル）に水増しする手順を画像25枚で残しておきます。

まず，.jpgと.JPGが混在していたので，小文字の”.jpg”に統一した↓。

オルソモザイクから切り出した画像だけが，.JPG（大文字）になっていた。







E：ドライブの直下に，MIZUMASHIというフォルダを作成し，ダウンロードしたpythonプログラムをコピーし，データ用フォルダ（99_layout_temp）に，拡張子を小文字に統一したファイル群をコピーする↓。






python開発環境の代表であるANACONDAをインストールして，Terminalを開く↓。










水増し用のpythonコードを動かす命令を入力して実行する↓。


文字コードに関するエラーが出て走らない↓。


悪さをしている日本語を削除して別名で保存する↓。




別名保存したコードを実行する↓。


今度は別のエラーが出る↓。


ググって解決策を見つけて，コピペして実行する↓。

https://qiita.com/tatsuya1970/items/2d6b0e061756d9e33473





再び水増しコマンドを実行する↓。


今度は走り出した！↓


しばらく待つと完走した↓。


上下反転，左右反転，上下左右反転の4倍増しに成功した↓。



めでたしめでたし。

YOLOv5環境構築フローチャート

Windows PC＋NVIDIA製GPUで物体検出アルゴリズムのYOLOv5が動くようにするための，環境構築フローチャートを新しく作りました。
2024年8月版です。
貼っておきます。



私のつまずき，苦労，苦悩がいっぱい詰まってます。