Covid-datasettet består av store bilder med tilhørende masker og labels:
- 2020-06-26-10-47-04.txt
- 2020-06-26-10-47-04_image.png
- 2020-06-26-10-47-04_mask.png
Bildene er ikke alltid helt komplette, så maske-filen angir hvilke piksler som er gyldige. Det ser sånn ut:
Bilde:
Maske:
I tillegg har du en .txt-fil med én linje per fly i bildet, der hver linje er piksel-koordinatene til sentrum av flyet i den grønne fargekanalen. F.eks.:
6023 1032
4194 2741
Dataene er tilgjengelige fra IEEE DataPort etter innlogging.
Github-repoet maups/covid19-custom-script-contest inneholder kode for å trene en veldig standard CNN-modell på dataene. Fila train.py inneholder mesteparten av det interessante. Linje 35-70 beskriver hvilke lag modellen består av, mens funksjonen load_data på linje 86 demonstrerer hvordan små bilder av flyene klippes ut fra de store bildene vh.a. tekstfilen med fly-koordinater. Her brukes cv2.imread for å laste inn bildet, og deretter numpy array indexing for å hente ut små rektangler rundt hvert fly, i tillegg til tilfeldige områder som ikke inneholder fly, for å generere treningsdata med både positive og negative labels.
Repoet sin README beskriver ganske greit hvordan man kan kjøre train.py på sin egen PC. Man må bare laste ned alle bildene først, som man gjør ved å laste ned og pakke ut hver enkelt .tar-fil fra IEEE DataPort til en mappe som heter images i repoet. Merk at man ikke trenger å trene en egen modell, siden de har trent en ferdig som følger med i repoet.
inference.py er også interessant, det er denne fila som faktisk gjør deteksjoner vha. den ferdigtrente modellen. Har ikke sett så mye på hvordan denne funker, det hadde vært interessant å se hva slags output modellen genererer (en ja/nei maske med piksler som er del av et fly? to koordinater? en bounding-boks per fly?).