(Matlab) YOLOv2를 활용한 Multi objet Detector 1 - labeling
on Projects
YOLOv2를 활용한 Multi objet Detector 1 - labeling
1. Training Data labeling
Machine Learning의 방법론 중 하나인 Deep Learning에서, 지도학습(Supervised Learning)을 하기 위해선, 주어지는 데이터에 대해 Label이 필요하다. 지도학습이란, 기계에게 사진을 보여주고 이 사진에 대한 정답을 함께 알려주는 식으로 학습하는 것으로, Label은 여기서 ‘정답’에 해당하는 것이다. 그러니까, 정답을 잘못알려주면 즉 Label을 정확히 하지 못한다면 모델의 성능이 떨어질 수 있으므로 정확한 Label이 중요하다. 기계를 학습시키는 데에 사용하는 Training data에 labeling한 것을 학습에 활용하고, 학습을 마치면 Test data를 이용해 학습이 잘 되었는지 평가하게 된다. 따라서, 학습의 첫 단계는 Training data에 정확한 labeling을 하는 것이라 할 수 있겠다.
Training Data를 학습시키기 위해 KITTI의 left color images of object data set를 사용한다. image dataset을 다운로드받고 training labels of object data set을 다운로드 한다.
이렇게 image data set을 저장했는데, 사정상 노트북으로 학습해야하고 project 기한이 짧아 이 중 일부 사진만 학습할 예정이다.
Training Data에 Labeling을 해주기 위해 Matlab의 Image Labeler를 이용한다. 
Image Labeler를 실행하고 Data set을 Loading 해준다. 
중간에 번호가 누락된게 있는데 대략 300개 정도 받아왔다. 이제 여기서 Labeling을 해주면 되는데 일일히 박스를 그릴 수도 있지만 매우 시간이 오래 걸리기 때문에 GroundTruth 파일을 사용한다.
⭐시작부터 난항⭐
Image labler에 Image를 불러와서 수동으로 labeling한 후, 이를 ground Truth로 export하는 것은 간단하다. 걍 Export label버튼을 누르고 gTruth형식으로 설정만 해주면 되기 때문이다. 근데 내가 하고 싶은 것은 table로 주어진 ground Truth를 Image labeler로 불러와서 자동으로 챡챡 bbox가 그려지게 만드는 것인데 이 과정이 생각보다 어려웠다.
결론만 말하면, Image labeler에서 ground Turth를 챡챡 그리기 위해선 이 값을 table이 아닌 groundTruth 클래스로 불러와야만 한다. 따라서, 내가 갖고 있는 table로 새로운 ground Truth 객체를 만들어야 한다. Matlab 도움말을 참고했다.
최종적으로 하고 싶은게 이렇게 gTruth class를 갖는 객체를 생성하는 것이다. 만들어진 gTruth를 Image labeler에서 Import Labels하면 bbox가 챡챡 그려질 것이다. gTruth를 만들 때 필요한 것들이 dataSource, labelDefs, labelData라는 것을 확인하고 하나씩 생성해보자.
2. dataSource
dataSource는 각 image마다의 label값을 가지고 있는 data다. 내가 table 형태로 갖고있던 car와 pedestrian에 대한 ground Turth를 사용하면 된다. 
나는 KITTI dataset을 이용했는데 어쩐 일인지 다운받는 과정에서 이미지 몇 개가 누락되었다. 그래서 groundTruth도 수정해주었다. (자세히보면 이미지가 000000,000001,000002,000003…이 아니라 000000,000003,000005… 로 띄엄띄엄임…) 이미지가 저장되어 있는 경로도 잘 설정되었는지 확인하자. 수정을 마치고 groundTruth.mat로 저장한 후 다음과 같은 code를 작성한다.
>> data = load('groundTruth.mat');
>> imageFilenames = data.groundTruth.imageFilename(1:184)
>> dataSource = groundTruthDataSource(imageFilenames);
이 code는 imageFile을 groundTruth.mat에서 받아와서 이걸로 dataSource를 만들겠다는 의미. 
이렇게 dataSource를 만들었다.
3. labelDefs
다음은 label을 정의할건데 다음의 code로 쉽게 작성가능 하다.
>> ldc = labelDefinitionCreator();
>> addLabel(ldc,'Car',labelType.Rectangle);
>> addLabel(ldc,'Pedestrian',labelType.Rectangle);
>> labelDefs = create(ldc)
난 car랑 pedestrian만 사용했음.
4. labelData
마지막으로 labelData를 만들어주자.
>> CarTruth = data.groundTruth.Car(1:184)
>> PedestrianTruth = data.groundTruth.Pedestrian(1:184)
>> labelNames={'Pedestrian';'Car'}
>> labelData=table(PedestrianTruth,CarTruth,'VariableNames',labelNames)
5. gTruth
위에서 만든 3가지를 이용해 최종적으로 gTruth를 만든다. 이 과정에서 오류가 발생했었는데 걍 첨부터 천천히 다시하니까 됐음.
>> gTruth = groundTruth(dataSource,labelDefs,labelData)
이렇게 되면 성공임
작업 공간을 보면, 파란색으로 동그라미한 게 내가 기존에 갖고있던 table형식의 groundTruth(image labeler에서 사용 불가)이고
빨간색이 그로부터 새로만든 ground Truth형식의 data임.
6. Image labeler
Image labeler 앱을 실행하고 이미지를 불러온 후 Import Labels -> From Workspace -> gTruth 하면 다음과 같이 bbox가 챡챡 생성된다.
200장 정도되는 사진에 일일히 손으로 라벨링 했으면 매우 오래 걸리고 정확도도 떨어졌을텐데 이렇게 하니까 한번에 챠라락 완성