Yolov Bbox Değerlerini Görüntü Boyutuna Göre Yeniden Düzenlemek

Yolov kullanarak Object Detection çalışmaları yapmak istiyoruz. Bbox konusu işin olmazlarından. Ne işe yaradığına burada değinmenin bir anlamı yok. İnternette hakkında bilgi bir haylice. Bu yazının konusu şu aslında; elimiz de w1*u1 piksel değerlerinde görüntüler var ancak biz w2*u2 piksel değerlerine görüntüyü resize etmek istiyoruz fakat görüntülerin etiketleri yani bbox değerlerini yeni piksel değerlerine göre nasıl yeniden düzenleyebiliriz. Biraz matematik ile işi kolayca çözebiliriz. Meselenin özünü anladıktan sonra gerisi kolay.

Yolov bbox formatı olarak şunu kullanır; (C, x_center_normalized, y_center_normalized, width_normalized, height_normalized).

C: Objenin sınıf etiketi

x_center_normalized: Objenin x ekseninde merkez noktası normalize değeri

y_center_normalized: Objenin y ekseninde merkez noktası normalize değeri

width_normalized: Objenin normalize genişlik değeri

height_normalized: Objenin normalize yükseklik değeri

Aşağıda, bir görüntüde ki bbox kutusunun ne olduğu ve ilgili değerlerin neler olduklarını görsel üzerinden anlatmaya çalıştım.

Görüntüler sol üst köşeden başlar piksel değerlerini almaya. Yani sol üst köşe koordinat eksenimizin (0, 0) noktasıdır. Sağ alt köşe ise görüntümüzün sınır piksel değerleridir. Bir görüntü 930*930 piksel ise x ekseninde 930 piksel ve y ekseninde 930 piksel var demektir. Görüntünün içinde bir yerde yukarıda olduğu gibi kuş objesini tespit etmeye çalışan bir model geliştiriyor olduğumuzu düşünelim. Yolov çalışma mantığına göre tespit etmeye çalıştığımız nesnenin etrafına onu kapsayacak bir sınırlayıcı kutu (bbox) çizmemiz gerekir. Yani tespit etmek istediğin nesne görüntünün neresinde. Bir nevi koordinat bilgisi vermemiz icap ediyor. Yukarıda ki şekilde açıkça gözüktüğü gibi nesnemiz, bir köşesi (x1,y1), diğer köşesi (x2,y2) olan bir dörtgen içerisinde bulunmakta. Eğer ben x1, y1, x2 ve y2 değerlerini bilir isem Yolov’un benden istediği formata uygun değerleri kolaylıkla hesaplayabilirim.

Bbox’ın merkez noktasının koordinatları pek tabii yukarıda ki gibi hesaplanabilir. Ayrıca bbox’ın genişlik ve yükseklik değerleri de aşağıda ki gibi hesaplanabilir.

 Fakat Yolov bizden bu değerlerin normalize edilmiş hallerini istemekte. Nasıl normalize edeceğiz! Pek tabiki x ekseninde ki değerlerimizi w_img’ye, y eksenin de ki değerlerimizi de h_img’ye bölerek. Aynı şekilde width ve height değerlerini de sıra ile w_img ve h_img’ ye bölmemiz gerekecek. Bu durumda denklemlerimizi şu şekilde yazmamız gerekecek.

Şimdi bir örnek yapalım. Görüntümüz aşağıdaki gibi 930*930 piksel bir görüntü olmuş olsun. Görüntü içinde bir gemimiz olsun ve biz o gemiyi tespit etmek istemiş olalım.

Yapmamız gereken bu geminin etrafını sınırlayacak bir dörtgen çizmek olacak ve bizde aşağıda ki gibi bir bbox çizmiş olalım.

x1= 485   y1= 140   x2= 576   y2= 415   w_img= 930    h_img= 930 (bu değerleri normalde programların kendisi hesap ediyor)

Bu durumda Yolov formatında bbox değerlerimiz şu şekilde olmuş oldu;

0 0.57043 0.298387 0.097849 0.295699

Başta ki “0” değeri gemiye vermiş olduğumuz sınıf etiketi idi. Yolov model eğitimi esnasında bu değerleri okuyup çözümleyerek görüntü içerisinde ki nesnenin nerede olduğu hakkında bilgi sahibi oluyor.

Peki buraya kadar bir bbox’ ın matematik arka planını anlamaya çalıştık, fakat diyelim ki görüntümüzü 768*768 piksel değerine resize etmek istediğimiz de yeni bbox değerlerini eski bbox değerlerinden nasıl türetebiliriz. Yazımızın konusu buydu hatırlarsanız. Zannımca konuyu buraya kadar anladı isek gerisini yapmak çok kolay olacaktır. İşlemleri tersine alarak elde edeceğimiz koordinat değerlerini scale ederek yeniden bbox değerlerini hesaplamamız gerekecek.

Bu defa elimizde (0 0.57043 0.298387 0.097849 0.295699) değerleri var. Yapmamız gereken aşağıda ki formülleri kullanmak. (formüllerin nasıl türetildiğine değinmeyeceğim, matematik işlemleri tersine çevirdiğimizi düşünün)

Bu denklem yardımı ile görüntümüzde ki bbox’ın köşe koordinat değerlerini elde etmiş olduk. Bundan sonra yapılması gereken, görüntüyü hangi oranda resize etti isek aynı oranda bu değerleri de bir nevi resize etmek.

Bundan sonrası artık en baştan anlattığım şekilde ilerleyecek. Biz yeni x1, x2, y1 ve y2 değerlerini elde etmiş olduk ve yeni görüntünün piksel değerini de biliyoruz. İlk başta ki formülleri kullanarak yeni bbox değerlerini elde edebiliriz artık.

Bu işlemleri bizim için yapabilen bir Python betiğini buraya ekliyorum.

import cv2
import os

# Dosya yolları
image_folder = r'E:\veri setleri\Optical Satellite Datasets\ShipRSImageNet_V1\Yolov_Format\images_930'
label_folder = r'E:\veri setleri\Optical Satellite Datasets\ShipRSImageNet_V1\Yolov_Format\labels_930'
output_image_folder = r'E:\veri setleri\Optical Satellite Datasets\ShipRSImageNet_V1\Yolov_Format\images_768'
output_label_folder = r'E:\veri setleri\Optical Satellite Datasets\ShipRSImageNet_V1\Yolov_Format\labels_768'

# Eski ve yeni boyutlar
old_size = 930
new_size = 768
scale = new_size / old_size

# Çıktı klasörlerini oluştur
os.makedirs(output_image_folder, exist_ok=True)
os.makedirs(output_label_folder, exist_ok=True)

# Görüntü ve label dosyalarını işleme
for image_name in os.listdir(image_folder):
    # Görüntü dosyasını oku
    image_path = os.path.join(image_folder, image_name)
    image = cv2.imread(image_path)
    
    # Görüntüyü bicubic interpolasyonu ile yeniden boyutlandır
    resized_image = cv2.resize(image, (new_size, new_size), interpolation=cv2.INTER_CUBIC)
    resized_image_path = os.path.join(output_image_folder, image_name)
    cv2.imwrite(resized_image_path, resized_image)

    # Label dosyasını oku
    label_name = image_name.replace('.bmp', '.txt')
    label_path = os.path.join(label_folder, label_name)

    if os.path.exists(label_path):
        with open(label_path, 'r') as f:
            lines = f.readlines()

        updated_lines = []
        for line in lines:
            parts = line.strip().split()
            label = parts[0]
            x_center = float(parts[1])
            y_center = float(parts[2])
            width = float(parts[3])
            height = float(parts[4])
            
            # x1, y1, x2, y2 hesapla
            x1 = (x_center - width / 2) * old_size
            y1 = (y_center - height / 2) * old_size
            x2 = (x_center + width / 2) * old_size
            y2 = (y_center + height / 2) * old_size
            
            # Yeni x1, y1, x2, y2 değerlerini ölçekle
            x1_new = x1 * scale
            y1_new = y1 * scale
            x2_new = x2 * scale
            y2_new = y2 * scale
            
            # Yeni bbox değerlerini normalize et
            x_center_new = ((x1_new + x2_new) / 2) / new_size
            y_center_new = ((y1_new + y2_new) / 2) / new_size
            width_new = (x2_new - x1_new) / new_size
            height_new = (y2_new - y1_new) / new_size
            
            # Güncellenmiş etiketi kaydet
            updated_lines.append(f"{label} {x_center_new:.6f} {y_center_new:.6f} {width_new:.6f} {height_new:.6f}\n")
        
        updated_label_path = os.path.join(output_label_folder, label_name)
        with open(updated_label_path, 'w') as f:
            f.writelines(updated_lines)

print("Tüm görüntüler ve etiketler başarıyla güncellendi!")

Kolay gele…