YOLOv9

Treino numa custom dataset

O YOLOv9 foi treinado com uma dataset que arranjei no Roboflow: VOCfinaldataset [acedido a 2024-01-20 12:04am]

Resultados do Treino

Plot dos resultados do treino

Inferência em custom dataset

Inferência

python detect.py --weights ../fire_1_best.pt --conf 0.1 --source ../../FIREFRONT_datasets_release/BA_Fire_Smoke_Multilabel/BA_Fire_Smoke_Multilabel_v1/test --device 0

Resultado da Inferencia

O resultado da inferência pode ser visto aqui (apenas partilhado com orientador e co-orientador) Note-se que existem muitas inferencias erradas, então o modelo terá que ser re-treinado com mais imagens.

Outputs do YOLOv9

Os outputs quando se faz uma inferência detect.py são imagens com as bounding boxes:

Exemplo de imagem de uma inferência de uma images da dataset 'BA_Fire_Smoke_Multilabel':

Porém nós queremos ter o output como coordenadas para o usar para o SAM. Para este fim foi metido a true a seguinte linha:

In 'detect.py' line 34

save_txt=True,  # save results to *.txt

que guarda resultados do tipo:

Label

0 0.371875 0.34921875 0.48125 0.68984375
0 0.671875 0.45078125 0.16171875 0.58203125
0 0.903125 0.3703125 0.1765625 0.4296875

O primeiro digito correponde à classe 0 = fire (podia ser 1 = smoke, 2 = other) e os restantes são as coordenadas da bounding box.

YOLOv9 retrain 02-May-24

Retrain

python train_dual.py --workers 8 --device 0 --batch 16 --data /home/hslima/hdd/yolov9/yolov9/fire_dataset/data.yaml --img 640 --cfg /home/hslima/hdd/yolov9/yolov9/models/detect/yolov9_custom.yaml --weights /home/hslima/hdd/yolov9/yolov9-e.pt --name fire2 --hyp /home/hslima/hdd/yolov9/yolov9/data/hyps/hyp.scratch-high.yaml --min-items 0 --epochs 100 --close-mosaic 15

Last update: May 3, 2024