annotatoin file은 json 형태로 주어졌고, train, test set이 나뉘어져있다.
train으로 훈련, test로 validation 하여 최종적으로 가장 높은 metric을 갖는 모델을 선택하면 될 듯하다.
- 마지막에 제출할 때는 두 데이터셋을 합쳐 훈련시키는 것이 더 좋은 성능을 낼 것이라 기대한다.
json file은 크게 아래와 같이 구성돼있다.
- json file
imagesfile_name: train_****.PNG (start from 0)width: various (860 - 1282)height: various (540 - 720)id: start from 1
annotations-
image_id: same as id of images -
segmentation: value of even index is of x axis, that of odd is of y axis
- 위 값들을 segmentation model에 훈련 시킬 수 있게끔 변환해야한다.
- 각 (x, y)좌표들은 소를 둘러싼 경계의 점들이다.
-
category_id: (target)- 0: background
- 1: not estrus
- 2: estrus
-
Generate Masks
import cv2
import numpy as np
import os
%matplotlib inline
import matplotlib.pyplot as plt
import skimage.draw as draw
imgName = _json["images"][16]["file_name"]
imgPath = os.path.join("train_images", imgName)
img = cv2.imread(imgPath)
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
plt.imshow(img)
anns = []
for ann in _json["annotations"]:
if ann["image_id"] == 17:
anns.append(ann)
groundImg = np.zeros(img.shape[:2])
for ann in anns:
polys = []
seg = np.array(ann["segmentation"])
# sequence of (x, y, x, y..) -> (x, y), (x, y)
seg = seg.reshape(int(len(seg)/2), 2)
mask = draw.polygon2mask(groundImg.shape, seg[:, ::-1])
groundImg[mask] = ann["category_id"] / 2
plt.imshow(groundImg, cmap=plt.cm.gray, vmin=0, vmax=1); plt.axis("off")
