TUTORIAL OBJECT DETECTION

Tahap pertama labeling image

1. Siapkan folder berisi gambar yang dinginkan
2. Masuk ke web “roboflow” (login)
3. Create project (buat proyek baru)
4. Tulis nama proyek yang dinginkan
5. Ubah lisensi ke Area publik
6. Ubah jenis proyek ke Deteksi Objek
7. klik “Buat proyek publik”
8. Upload folder yang berisi gambar
9. Klik gambar berisi – buat label – tarik garis – kasih nama – save – setelah selesai
back
10. Klik finish – pilih export – pilih yolodarknet – pilih zip……(akan terdownload)
11. Buat folder baru – extract file yang telah di download
12. Copy file ke file project yang sudah dibuat sebelumnya, file yang di copy hanya
folder “train dan valid” yang telah di extract sebelumnya
13. Buka file “train” – file label ganti dengan format notpad
- klik kanan – open with notepad – save as – berinama classes (hapus file label
sebelumnya)
14. Lakukan juga pada file “valid”
Langkah kedua
1. Buat folder “darknetdata” di google drive dengan sub folder :
- cfg
- backup
- data
2. Install “pycharm” abaikan jika sudah terinstall pada laptop
3. Pada folder dataset builder klik kanan file “YOLOv7 Tiny Dataset.py” klik open
with “pycharm” keluar notifikasi klik trust project
4. Setelah itu rubah coding:
- data_set = ‘mobil’ ganti sesuai project
- dataset_for_colab = “false” diganti “True”
5. Klik Run pilih “Run Yolov7…….”
6. Cari folder dataset builder pada kiri layar klik 2 kali kemudian keluar folder cfg,
data, train, valid, cek sudah ada file apa belum
Langkah Ketiga
1. Buka google drive – klik 2 kali file “DarknetData” – cfg (import file terbaru) yang
ada di dataset builder buka file cfg – pilih “Yolov7 Tiny terbaru”
2. Lakukan juga untuk folder “data” di drive dengan cara yang sama seperti “cfg”
N.B (pastikan semua file pada folder data telah terupload)
3. Upload file “train in colab.pynb” ke google drive
4. Klik 2 kali file “train in colab.pynb” yang sudah terupload untuk masuk ke google
colab
5. Rename pada name file “train in colab” sebagai contoh:
- “mobil train in colab.ipynb”
6. Ganti runtime – change runtime type – GPU – save
7. “run” satu persatu pada setiap tahap sampai tahap “train”
8. Pada train custom objek detector ubah coding sebagai contoh:
- ……./drive/mydrive/DarknetData/data/mobil “sesuai nama file”
9. Setelah itu klik “Run” atau klik tanda play pada tahap “train”
10. Tunggu sampai selesai
N.B (sambil menunggu proses “Train” bisa cek program object detection dengan
cara klik buka folder backup pada google drive kemudian lihat file terbaru yang
tersimpan saat proses “Train” kemudian download file tersebut sebagai contoh
“yolov7-tiny-pesawatkapal-1000. Weights” setelah terdownload copy ke folder
inference – opencv pada folder project yang sudah dibuat sebelumnya, selanjutnya
klik file object_detection.py dengan pycharm ganti coding :
- video_file = “sesuai nama video yang disimpan”
- detect_object = “sesuai file yang tersimpan”
- weight_file = “yolov7-tiny-pesawatkapal-1000. Weights”
Kemudian klik lambang play/run pada toolbar “pycharm”