issue #4를 통해서 mmsegmentation을 설치하였으면 이제 이를 이용하여 학습을 시켜봅시다.
/opt/ml/ <- 저번 issue를 통해 mmsegmentation을 설치했다면 이 경로에 설치되어 있을 것입니다.
1. mmsegmentation에 맞게 데이터 변환
우리에게 주어진 데이터는 image(.jpg), gt(.json)입니다.
하지만 mmsegmentation이 요구하는 데이터는 image(jpg), gt(.png), split(.txt)입니다.
이를 위해 develop에 있는 convert_json_to_mmseg.py를 실행시키면 됩니다.
a. /opt/ml/input/data 내부의 이미지들을 images 폴더를 추가하고 그 안에 위치 (ex : /opt/ml/input/data/images/batch_01_vt/0001.jpg)
b. convert_json_to_mmseg.py의 25번째의 train.txt, 65번째의 train.json의 train을 val, test로 바꾸어 총 3번 실행
2. 새로운 데이터 셋 등록
우리는 1번에서 만든 새로운 데이터 셋인 recycle dataset을 활용해야 하기 때문에 이를 mmsegmentation에 새로 등록해야 합니다.
/opt/ml/mmsegmentation/configs/base/datasets의 경로에 recycle.py라는 이름으로 아래의 코드를 추가해줍니다.
issue #4를 통해서 mmsegmentation을 설치하였으면 이제 이를 이용하여 학습을 시켜봅시다.
1. mmsegmentation에 맞게 데이터 변환 우리에게 주어진 데이터는 image(.jpg), gt(.json)입니다. 하지만 mmsegmentation이 요구하는 데이터는 image(jpg), gt(.png), split(.txt)입니다. 이를 위해 develop에 있는 convert_json_to_mmseg.py를 실행시키면 됩니다.
2. 새로운 데이터 셋 등록 우리는 1번에서 만든 새로운 데이터 셋인 recycle dataset을 활용해야 하기 때문에 이를 mmsegmentation에 새로 등록해야 합니다. /opt/ml/mmsegmentation/configs/base/datasets의 경로에 recycle.py라는 이름으로 아래의 코드를 추가해줍니다.
다음은 /opt/ml/mmsegmentation/mmseg/datasets/_ init _.py 파일에 아래와 같은 코드를 추가해 줍니다. (all은 덮어 씌우세요.)
마지막으로 /opt/ml/mmsegmentation/mmseg/datasets에 recycle_512x512.py 파일을 만들고 아래의 코드를 추가합니다.
3. config 수정 num_classes=11 등과 같이 task에 맞게 config를 수정하여 /opt/ml/mmsegmentation의 경로에서 아래와 같은 코드로 학습 실행