KerasYolo3_학습및_Detection 그레이 이미지 출력 에러( 커스텀 데이터)

39번째 실행 셀에 img = Image.open("c(25).png")rgbimg = img.convert('RGB')또는 img = Image.open("c(25).png") rgbimg = Image.new("RGBA", img.size) rgbimg.paste(img) 를 이용해서 gray scale image를 rgb로 바꿔보시는 건 어떠신지요? 이 페이지를 참고해서 해보세요. https://stackoverflow.com/questions/18522295/python-pil-change-greyscale-tif-to-rgb

KerasYolo_Raccoon_학습및_Detection.ipynb 파일 - 오타 참조

/Detection/yolo/KerasYolo_Raccoon_학습및_Detection.ipynb 해당 파일의 2번째 Cell. 29, 32 Line입니다. 감사합니다ㅎㅎ 원래 파일을 사용해도 딱히 문제는 없으나, 한 이미지에 2개의 라쿤 Object가 있어도, 1개만을 CSV에 저장해 놓더군요... 이전 - 변경 필요 부분 굵은 글씨 value_str = ('{0},{1},{2},{3},{4}').format(x1, y1, x2, y2, class_id) value_str_list = value_str_list+value_str_list+' ' # object별 정보를 tuple형태로 object_list에 저장. train_csv_file.write(full_image_name+' '+ value_str+'\n') # xml file 찾는 for loop 종료 이후 - 변경한 부분 굵은 글씨 value_str = ('{0},{1},{2},{3},{4}').format(x1, y1, x2, y2, class_id) value_str_list = value_str_list+value_str +' ' # object별 정보를 tuple형태로 object_list에 저장. train_csv_file.write(full_image_name+' '+ value_str_list +'\n') # xml file 찾는 for loop 종료

kerasYolo_Raccoon_학습및_Detection_colab

질문 주신 내용을 모두 설명드리기엔 너무 많은 내용이라 아는 선에서 간략하게만 적어드립니다. 1. 그런 그래프는 tensorboard에서 그려주는 것을 이용하면 좋겠지만, keras는 저도 잘 몰라서... 2. 질문자님이 아시는 loss 함수의 다양한 형태가 있겠지만, 이 패키지에서는 loss함수를 그렇게 단순하게 구현하지 않고, 직접 다 계산을 해두었더군요. 코드를 읽으면서 확인해보시면 좋을 것 같습니다. 코드 따라가는 path는 이와 같습니다. train.py 의 create_model 함수 -> yolo_loss함수 사용 -> /keras-yolo3/yolo3/model.py 의 yolo_loss함수 를 찾아보시면 이 모델에서 loss를 어떤식으로 계산하고 있는지 대강 확인할 수 있습니다. 손수 코드로 수식을 다 구현되어 있으니, 한번 읽어보시면 좋을 것 같습니다.

putty 혹은 SSH 이용 질문

전혀 문제 없습니다. 저는 구글 클라우드 플랫폼의 SSH 사용합니다. 제가 느끼기에 그게 더 반응이 빠르더라고요. 강의 따라하시는데 전혀 문제 없습니다. 강의 PUTTY 설치내용을 하셨는데 안된다고 하시면, VM instance에 의해 생성된 Ubuntu의 SSH 설정이 뭔가 이상할 수도 있으니, 시간나시면 VM instace 를 다시 만드는 것도 좋을 것 같습니다. (이건 그냥 저의 추측)

NMS 수행로직: Bounding box 에 포함된 box에 대한 질문.

(사진) IOU는 절대 1을 넘을 수 없습니다. 위의 그림을 보고 다시 한번 생각해보시기 바랍니다. https://ballentain.tistory.com/12 이 사이트도 같이 참고하시면 좋을 것 같습니다. 대강 계산했지만, 제가 그린 사진에 의하면, 빨간박스와 파란박스의 IOU는 IOU threshold를 넘지 않으므로 파란박스는 NMS에 의해서 삭제되지 않습니다. 따라서 둘다 최종 Detect결과가 될 수 있습니다, 빨간박스와 파란박스의 IOU는 IOU threshold를 넘으므로 초록박스는 NMS에 의해서 삭제됩니다. 따라서 차 밖의 큰 사람은 최종 Detect 결과로 반환되지 않습니다. 가정 각 박스의 Confidenc Sore는 다음과 같습니다 빨간 : 0.9 파랑 : 0.7 초록 : 0.7