Repositório criado a fim de construir coletivamente o gabarito de cápsulas e grãos defeituosos para o desafio de visão computacional da Sanick Equipamentos de Precisão (https://github.com/Sanick-Equipamentos/desafioVisao). O objetivo deste repositório é auxiliar todos a identificarem quais objetos devem ser apontados por seus algoritmos. Sinta-se livre para modificar os códigos disponíveis aqui da forma que lhe for útil (mas já aviso que está uma bagunça).
A quantidade supostamente correta de objetos com defeitos está disponível nesta planilha: https://github.com/Sanick-Equipamentos/desafioVisao/blob/master/Info/quantidade.csv (Soja e cápsula marrom estão invertidas? Encontrei diferenças bem grandes)
Idealmente gostaríamos de encontrar todos eles, mas pode ser que isso não seja possível nem ao menos para humanos por causa da qualidade das imagens. Se você desconfiar de algum objeto que não foi marcado (ou de algum que foi marcado incorretamente), por favor, envie o arquivo de label para o respectivo issue (https://github.com/dan-mk/cv-sanick-gabarito/issues) para que a inclusão (ou exclusão) possa ser debatida (não vejo necessidade de usar pull requests nesse caso).
Inicie o programa escolhendo o vídeo em que deseja trabalhar:
python3 main.py (soja|capsula-marrom|capsula-rosa)-(treinamento|teste)Considerando que as cápsulas e grãos não alteram muito a sua aparência enquanto atravessam o quadro do vídeo, apenas 1 a cada 6 frames foram salvos. Essa frequência garante que cada objeto apareça inteiramente em pelo menos 2 e em no máximo 4 frames salvos.
As teclas Z e X podem ser utilizadas para respectivamente voltar e avançar a sequência de frames salvos. Para adicionar um objeto defeituoso pressione A, clique no centro do objeto defeituoso em todos os frames em que ele aparece e pressione S para salvar ou C para cancelar. Os dados dessa anotação serão salvos em um arquivo independente na pasta labels dentro da pasta do vídeo correspondente.