Сервис детекции кузова самосвала и мониторинга отходов

Запуск сервиса (linux/windows, docker, CUDA)

1. Клонируйте репозиторий
2. Скачайте веса обученных нейросетей(https://disk.yandex.ru/d/qWR2b2iz-KiXeA) и положите в директорию services/weights/
3. Соберите и запустите контейнер:

docker-compose up --build

4. После запуска сервис будет доступен по адресу http://localhost:8001/

Подготовка данных, Обучение и инференс моделей

1. Установите и запустите виртуальное окружение:

python3 -m venv venv
source venv/bin/activate

2. Установите необходимые библиотеки:

pip3 install -r requirements.txt

3. Подготовка данных для обучения:

   • Скачайте и положите данные для классификатора(были выданы кейсодержателем) в директорию data/ (структура data/train/class_name/videos.mp4)
   • Скачайте и положите данные для детектора кузова(разметили сами: https://disk.yandex.ru/d/dOOnDUaB5MVBdg) в директорию data/ (структура data/train_cars/class_name/images.jpg(.txt))
   • Поменять пути(при необходимости) и запустить файл: python data_preparetion.py

4. Обучение моделей:

   • Для обучения моделей и вырезания кропов кузова используется файл train.py
   • Для запуска поменяйте необходимые пути, раскомментируйте нужную функцию и запустите файл: python train.py
   • train_detector() - обучение детектора кузова (все результаты сохраняются в папку runs/detect/train)
   • predict_detector() - вырезания кузова на фото (все результаты сохраняются в папку runs/detect/predict)
   • train_classifier() - обучение классификатора отходов (все результаты сохраняются в папку runs/classify/train)

5. Последовательность запуска:

   • Запустить подготовку данных
   • Обучить детектор кузова (train_detector)
   • Обучить классификатор на полных изображениях
   • Получить кропнутые фото кузова для каждого из 4 классов (predict_detector)
   • Положить кропнутые фото для каждого класса в директорию data/train_frames_crop/
   • Запустить get_train_val() из файла с подготовкой данных, передав путь data/train_frames_crop/
   • Обучить классификатор на кропнутых кузовах

6. Инференс моделей

   • Скачайте и положите тестовый датасет в директорию data/ (структура data/test/videos.mp4)
   • Скачайте веса обученных нейросетей(https://disk.yandex.ru/d/qWR2b2iz-KiXeA) и положите в директорию services/weights/
   • Запустите скрипт: python inference.py
   • По окончанию работы скрипта результаты предсказаний сохранятся в коре в файле submission.csv