Esse Git contém o código relacionado a geração dos conjuntos de dados utilizados no Trabalho de Conclusão de Curso: "Redes neurais convolucionais na detecção e classificação de placas de trânsito brasileiras".
O texto completo pode ser encontrado nesse link: Artigo em PDF
Foram gerados três conjuntos de dados:
- simpleDataset: conjunto com total de 657 imagens (382 artificiais + 275 reais) e 15 classes
- normalDataset: conjunto com total de 4.022 imagens (3.747 artificiais + 275 reais) e 242 classes
- hugeDataset: conjunto com total de 67.655 imagens (67.380 artificiais + 275 reais) e 242 classes
Os conjuntos de dados com suas respectivas anotações estão disponíveis para download aqui através do Google Drive.
O arquivo creatingTrainingImages.ipynb contém o algoritmo utilizado para gerar as imagens artificialmente e que também concatena as anotações das imagens originais (annotations.json) com as anotações geradas artificialmente. Para ele funcionar corretamente é necessário que as imagens de fundo estejam em uma pasta no diretório raiz chamada coco_dataset e que exista no diretório data as pastas ArtificialSamples e orangeTemplates.
Na pasta ArtificialSamples serão salvas as imagens geradas pelo algoritmo, e a pasta orangeTemplates deve conter as máscaras de placas de trânsito que serão coladas sobre as imagens de fundo.
As imagens de fundo são de domínio público e foram filtradas a partir do conjunto do 2017 Train images [118K/18GB].
As imagens são geradas e rotuladas a partir dos templates selecionados, da pasta orangeTemplates que também podem ser encontrados neste Drive.
O laranja escolhido para a cor de fundo no programa paint.net possui os valores RGB(255, 16, 0) e HSV(24,100,100), mas ao ser reconhecido pelo open.cv o valor HSV vale HSV(12,255,255), devido aos limites diferentes de intervalo que cada um usa.