ETL

label studio

• 설치

  • Anaconda
    • Conda create —name detection python=3.8
    • Conda activate detection
    • git clone https://github.com/JS3322/yolov8_test.git
    • 또는 ultralytics만 설치
    • pip install -r requirements.txt
    • pip install ultralytics
  • 설치 : label-studio
    • docker pull heartexlabs/label-studio:latest
    • docker run -it -p 8080:8080 -v $(pwd)/mydata:/label-studio/data heartexlabs/label-studio:latest —name label_server
    • docker start label_server
    • Docker container start label_server
      • 8080port
      • 14.7.83.63 접속설정
    • git clone https://github.com/kunintns/segmentation100.git
  • pip install labelImg
    • labelImg 실행
    • openDir : 이미지 폴더 선택
      • 우측 하단 이미지 파일 선택
    • Yolo 아이콘 선택 : 좌측 중단
    • 이미지 중에 학습할 범위 라벨링 드래그
  • data.yml 파일생성
    • 양식에 맞춰 파일 코드 작성 : train폴더와 val폴더, NC변수와 라벨링 변수배열

• segmentation - 학습

  • python main.py
  • pip uninstall torch
  • Pip install Tourchvision (torch 2.0.0과 맞는 0.15.1 설치 필요)
  • pip install torch -f https://github.com/conda-forge/pytorch-conda-feedstock/releases/download/v1.11.0/torch-1.11.0-cp39-cp39-macosx_12_0_arm64.whl
  • 애플 실리콘일 경우 pytorch arm64버전 설치 및 파이썬 버전 cp39로 설치 필요
  • Label 에서 만든 data.yml파일을 불러와서 학습
    • pip3 install labelImg

• Validate custom model

  • Yolo task=detect model=val model=<경로.pt> data=data.yaml

• Interface with custom model

  • Yolo tast=detect mode=predict model=<경로.pt> conf=0.25 source=<이미지 폴더 또는 영상>

  

Roboflow

• Roboflow export