모델 학습 데이터 형식 처리 방법에 대한 고민
우선 기존에는 Yolov8의 데이터 형식인 txt파일 구조로 모델을 학습했다.
하지만
https://keras.io/api/applications/
Keras documentation: Keras Applications
Keras Applications Keras Applications are deep learning models that are made available alongside pre-trained weights. These models can be used for prediction, feature extraction, and fine-tuning. Weights are downloaded automatically when instantiating a mo
keras.io
https://www.tensorflow.org/tfmodels/vision/object_detection
Object detection with Model Garden | TensorFlow Core
Catch up on the latest ML and AI developer updates from Google I/O Watch sessions Object detection with Model Garden Stay organized with collections Save and categorize content based on your preferences. This tutorial fine-tunes a RetinaNet with ResNet-50
www.tensorflow.org
https://coral.ai/models/object-detection/
Models - Object Detection | Coral
Models that identify multiple objects and provide their location.
coral.ai
모두 다른 데이터 형식을 요구하고 있다.
txt, csv, json, xml, tfrecord and so on ...
그리하여 Roboflow에서 데이터 구조를 살펴 보기위해서 약간의 라벨링 진행 후 각각 export해주었다.
우선적으로
object_detection.ipynb
Run, share, and edit Python notebooks
colab.research.google.com
구현해보려고 한다.
Roboflow => tfrecord => ERROR
Roboflow => coco => convert to tfrecord in colab => saved model as .pb
추후 keras, coral등 나머지 코드도 구현해보려고 한다.
앞으로 다른 데이터 형식에 대해서 어떻게 처리해야할지 고민이다.
이곳저곳 문의하니 pickle 라이브러리를 활용한다고 했는데 봐도 무슨 말인지는 알겠지만 어떻게 활용하라는 건지 감이 안 온다..