[Discussion] 결국 우리는 다시 data를 추가해야한다.

[yehyunsuh]

What

규범님의 게시글(https://stages.ai/competitions/184/discussion/talk/post/1269)은 그냥 ICDAR17 중 한국어 파일을 고르는 것 그 이상에 지나지 않는 글인 것 같습니다. ICDAR17 파일에는 추가 데이터가 들어가있지 않은 것 같습니다.

Why

이 사진은 #17 과정과 동일하게 MLT 파일을 다운받고 unzip한 이후 convert_mlp.py 파일을 돌린 이후 IDCAR17_MLT/images image의 개수입니다.


이 사진은 기존에 있는 IDCAR17_Korean/images 폴더에 있는 image의 개수 입니다.

그래서 제가 어제 경민님한테 slack에서 말씀드린 것처럼 convert_mlp.py 파일을 돌려도 바뀌는 부분이 없다고 말씀드린 것입니다. 실제로 convert_mlp.py의 class MLT17Dataset() 내의 50~51번째 줄 코드를 보게 되면

if 'ko' not in extra_info['languages'] or extra_info['languages'].difference({'ko', 'en'}):
    continue

라는 부분이 있습니다.� 어제 aistages에 규범님이 올린 게시판 글은, 그냥 MLT 파일 중 Korean 파일만 거르는 것을 올리신 겁니다.

이렇게 되면 #11 에서 언급한 것 처럼 부스트캠프 측에서 제공한 데이터는 추가적인 데이터를 저희 images에 합치고, annotation json 파일은 합치는 과정을 다시 진행해야합니다. 지금까지 진행해본 결과, json 파일을 그냥 합치는 것이 아니라 아래 사진과 같이

images라는 곳 안에 json file의 값들을 합쳐주어야 합니다. 이 부분을 오늘 진행해보도록 하겠습니다.

추가적으로 ICDAR Korean data에서 train과 val 로 나누는 과정도 진행해보겠습니다.

how

• ICDAR Korean으로 train/val data 나눠보기 - [Features] ICDAR17_MLT dataset train/val split #21
• 부스트캠프 제공 데이터셋 적용시키기

[yehyunsuh]

현재 위와 같은 에러를 계속해서 출력받고 있고, 어떻게 고쳐야할지 계속 고민중입니다. 에러에 대한 이유는 아래 깃헙에 있는 내용 중 https://github.com/airctic/icevision/issues/365

이 내용과 가가장 비슷하지 않을까 생각하고 있습니다.

만약 일요일(17일)까지 해당 issue를 해결하지 못한다면, 이 issue는 close하고 다른 issue로 넘어갈 예정입니다.

[yehyunsuh]

resolve the problem in the above comment

    def __getitem__(self, idx):
        ...
        for word_info in self.anno['images'][image_fname]['words'].values():
            vertices.append(np.array(word_info['points']).flatten())
            labels.append(int(not word_info['illegibility']))

changed the definition of points

def __getitem__(self, idx):
        ...
        for word_info in self.anno['images'][image_fname]['words'].values():
            points = np.array(word_info['points']).flatten()
            points = points[:8]
            vertices.append(points)
            labels.append(int(not word_info['illegibility']))

• reason of Error
  the baseline code only accepts 4 points for a single bounding box, but the data given from the boostcamp has bounding boxes with more than 4 points. For example, like the picture below,

when given a input like this, it shows an error in the above. So, I had to fix the dataloader getitem() to recieve 8 points from the bounding boxes.

Comment close.