automatic-tools-machine-learning

Para criar ambiente: python -m venv "nome-ambiente" Ativar ambiente: "nome-ambiente"/Scripts/activate

#######################################

automatic_labelling_images_to_train.py

#######################################

Configuração para recortar: caso 1: a) Encontrar APENAS o objeto de estudo com um pré-treinamento realizado com poucas imagens b) RENOMEAR ID para setar ID final correto do boundbox

_USA_ORIGINAL           = False
_IGNORAR_CLASSE_MAIOR   = None
_CLASSE_MAIOR_RENOMEAR  = 'TIPO'
_ID_CLASSE_ALTERAR      = 15
_CLASSE_MARCA_ALTERAR   = '15_TIPO_GATO'

Caso 2: a) Encontrar objetos com um treinamento completo b) Ignorar um grupo de classes (classe maior) no boundbox txt de saida

_USA_ORIGINAL           = True
_IGNORAR_CLASSE_MAIOR   = True
_CLASSE_MAIOR_RENOMEAR  = 'TIPO'
_ID_CLASSE_ALTERAR      = None
_CLASSE_MARCA_ALTERAR   = None

#######################################

contagem_label.py

#######################################

Projeto resposavel por contar quantidade de boundbox existentes para o treinamento. Observar:

_DIR_TXT_IMAGEM     ==> Diretório onde estão as imagens e os respectivos recortes ".txt"
_CLASSES            ==> Diretório onde está a lista de classes consideradas ao treinamento
QTDE_MIN_POR_LABEL  ==> Quantidade minima de recortes por cada classe
CLASSE_DESIDERAR    ==> Texto estrutural para delimitar que a classe está livre e deve ser desconsiderada para a contagem

#######################################

automatic_separate_files_to_train.py

#######################################

Percorre todas as pastas num diretório. Embaralha (suffle) as imagens antes de separar. Move as imagens recortadas para treinamento e validação (img e txt). Observar:

_DIR_FOLDERS        ==> Diretório onde ficam todas os arquivos de treinamento
_files_to_ignore    ==> Lista de arquivos para ignorar no momento de mover
_folders_to_move    ==> Pasta para treinamento e validação
_extensions         ==> Extensões de arquivos para serem movidos     
_porcent_train      ==> Percentual de arquivos para treinamento e validação, ex: 0.7 (70% para train e 30% para validation)    

#######################################

automatic_rename.py

#######################################

Renomeia arquivos com padrão definido. Mantem arquivos num tamanho maximo de caracterres. Observar:

_DIR_FILES              ==> Diretório onde ficam todas os arquivos de treinamento
_NOME_INICIAL           = Nome inicial padrão para todos os arquivos encontrados 
_TAMANHO_MAX_FILENAME   = Tamanho máximo do nome do arquivo
_files_to_ignone        ==> Lista de arquivos para ignorar no momento de mover