일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | ||
6 | 7 | 8 | 9 | 10 | 11 | 12 |
13 | 14 | 15 | 16 | 17 | 18 | 19 |
20 | 21 | 22 | 23 | 24 | 25 | 26 |
27 | 28 | 29 | 30 |
- ROS Node 만들기
- argparse 사용법
- python
- ROS Package 만들기
- ROS Package 이름
- argparse
- ROS Package 명
- Python list 내 for
- Class(Object)
- Python for list
- ROS Package 생성
- Object Orient
- Object 상속
- Python for range
- python for
- 객체지향
- Today
- Total
일단해봐
DBB Data Set 예제 돌려보기 본문
우선 지난번에 다운 받은 Data가 어떻게 구성되어 있는지 한번 살펴보자.
막상 보려고 하니 지식이 너무 부족해서 잘 모르겠고 우선아래 링크에 있는 예제를 돌려보자.
Using Data — BDD100K documentation
Semantic Segmentation At present time, instance segmentation is provided as semantic segmentation maps and polygons in json will be provided in the future. The encoding of labels should still be train_id defined in bdd100k.label.label, thus car should be 1
doc.bdd100k.com
제일먼저 Code 실행에 필요한 Dependency 만족 시키기 위해 Source Root 폴더 경로에서 cmd창을 열고 아래 명령어를 친다.
pip3 install -r requirements.txt
위 명령어 의미는 "pip를 통해서 Code 실행에 필요한 Package를 받을 껀데 받아야될 내용은 requirement.txt에 정의 해놨으니 그안에 있는거 싹다 받아라!" 이거다. 실행하면 알아서 다운 받고 설치하는데 꽤나 걸린다.
다음은 Labeling Data를 Image에 Overlay 하여 띄우는 예제이다. 결과물 부터 보면 아래와 같으 화면 출력이다.
이런화면 출력을 위해서는 이전 포스트에서 다운 받은 DBB Data Set의 Image와 Labeling zip 파일을 Source Code Root 폴더 밑의 bdd100k 폴더 안에 넣어주어야 한다. 아래 글 참조.
그 다음에 이전과 같이 cmd 창을 열어서 아래와 같은 명령어를 실행하면 위와 같은 이미지를 확인 할 수 있다.
python -m bdd100k.vis.labels --image-dir bdd100k/images/100k/train -l bdd100k/labels/bdd100k_labels_images_train.json
간단히 내용을 보면 /bdd100k/vis 경로에 labels.py 실행 할껀데 Argument로 이미지 경로 --image-dir
와 labeling data -l
을 넘겨 준다는 명령어 이다.
오늘은 일단 이미지 까지 띄워 봤으니까 다음에는 오늘 실행한 labels.py를 잘 살펴 보면 data set 구조를 알수 있을 것 같다.
'두서없이 딥러닝' 카테고리의 다른 글
자율주행 Data Set (BDD-Data Set) (0) | 2021.04.16 |
---|