Configurer l'arborescence de travail pour plusieurs projets de détection d'objets dans des images


Acquis d'apprentissage visés :
- Savoir organiser et construire l'arborescence de travail pour supporter plusieurs projets de détection d'objets dans des images

Type d'activité     : 🛠️ [setup]
Durée approximative : 15 minutes

Principe de l’arborescence de travail multi-projets

L’arborescence générique proposée est la suivante :

tod_tf2
├── <project>
│   ├── images
│   │   ├── test
│   │   │   └── *.jpg, *.png ... *.xml
│   │   ├── train
│   │   │   └── *.jpg, *.png ... *.xml
│   │   └── *.csv
│   │
│   └── training
│       ├── <pre-trained_net>
│       ├── train.record
│       ├── test.record
│       └── label_map.txt
├── pre_trained
│	└── <pre_trained-net>
│	
└── models
    └── research
        └── object_detection

Exemple

Pour le projet de détection des faces des cubes dans les images de la caméra du robot, le dossier <project> est nommé faces_cubes, ce qui donne l’arborescence :

tod_tf2
├── faces_cubes
│   ├── images
│   │   ├── test
│   │   │   └── *.jpg, *.png ... *.xml
│   │   ├── train
│   │   │   └── *.jpg, *.png ... *.xml
│   │   └── *.csv	│   │
│   └── training
│       ├── <pre-trained_net>
│       ├── train.record
│       ├── test.record
│       └── label_map.txt
├── pre-trained
│	└── <pre-trained_net>
└── models
    └── research
        └── object_detection

Mise en oeuvre :

Quelques commandes shell suffisent pour créer les premiers niveaux de cette arborescence :

# From within tod_tf2
(tf2) user@host $ mkdir -p faces_cubes/images/test
(tf2) user@host $ mkdir -p faces_cubes/images/train
(tf2) user@host $ mkdir -p faces_cubes/training
(tf2) user@host $ mkdir pre-trained

Vérifions :

# From within tod_tf2
(tf2) user@host $ tree -d . -I models  # arbre du dossier courant en excluant le dossier 'models'
.
├── faces_cubes
│   ├── images
│   │   ├── test
│   │   └── train
│   └── training
├── pre-trained
└── tod_tf2_tools