Ce projet permet d'entrainer un réseau de neurones à reconnaîtres des véhicules, piétons etc.. sur la route.
Pour commencer téléchargez ce repo git en local. Assurez vous d'avoir docker d'installé sur votre ordinateur et c'est partie !
Voici un schéma de l'architecture du projet pour vous donner une idée du fonctionnement global :
Ce container permettra de récupérer les images sur la caméra cible toute les minutes. Si vous avez déja vos images passez au prochain chapitre.
Placez vous dans la racine du projet et ouvrez un terminal. Tous d'abord construisez l'image :
docker build -t downloader ./Downloader
A présent lancez le conteneur comme ceci sous Windows :
docker run --rm -v .\Downloader\Data:/Data --name Downloader downloader
Sous Unix :
docker run --rm -v ./Downloader/Data:/Data --name Downloader downloader
Vous retrouverez vos photos dans Downloader -> Data
Pour lancer le projet assurez vous d'avoir bien lancé le docker Downloader puis faites :
docker build -t deploy -f ./Deploy/dockerfile .
docker run -v ./Downloader/Data:/app/Downloader/Data -p 8050:8050 --rm --name Deploy deploy
Maitenant sur http://127.0.0.1:8050 vous aurez votre Dashboard
Ensuite rendez vous sur le site label studio. Créez un projet puis importez et enfin labelisez vos photos. Une fois ceci fait exportez vos données de labélisation au format JSON et renommez ce fichier "export.json". Placez le à la racine du projet.
Ce container va télécharger vos photos labelisés.
Placez vous à nouveau à la racine du projet et entrez cette commande :
docker build -t dataset -f ./Dataset/dockerfile .
A présent lancez votre container comme ceci sous windows :
docker run --rm -v .\Dataset\Images:/Images -v .\Dataset\labels:\labels --name Dataset dataset
Sous Unix :
docker run --rm -v ./Dataset/Images:/Images -v ./Dataset/labels:/labels --name Dataset dataset
Attendez la fin du téléchargement. Vos photos seront enregistrés sous : Dataset -> Images. labels.json contient une version simplifé de votre export.json.