🍽️ SCANEAT 프로젝트 코드 정리

📋 목차

1. 데이터 준비 & 전처리
2. 기본 학습
3. 데이터 증강
4. Fine-tuning 시도
5. 모델 경량화

1️⃣ 데이터 준비 & 전처리

📂 데이터 구조

scaneat_yolov8/
├── train/
│   ├── images/  (621장)
│   └── labels/  (CVAT 라벨링)
├── valid/       (38장)
├── test/        (소량)
└── data.yaml

🔧 전처리 코드

# Box → Polygon 변환 (Segmentation용)
def fix_all_labels_to_polygon(label_dir):
    for txt_file in Path(label_dir).glob('*.txt'):
        # Box format (cx, cy, w, h) → Polygon (4점)
        if len(coords) == 4:
            x1 = cx - w/2
            y1 = cy - h/2
            x2 = cx + w/2
            y2 = cy + h/2
            # 4점 polygon으로 변환
            polygon = f"{cls} {x1} {y1} {x2} {y1} {x2} {y2} {x1} {y2}"

핵심: YOLOv8-seg는 Polygon 필요! Box만 있으면 변환 필수

2️⃣ 기본 학습

모델: YOLOv8s-seg

from ultralytics import YOLO

model = YOLO('yolov8s-seg.pt')

results = model.train(
    data='data.yaml',
    epochs=100,
    imgsz=640,
    batch=8,
    device=0,  # GPU

    # 기본 증강
    degrees=10.0,
    fliplr=0.5,
    mosaic=0.0,  # 처음엔 끔

    patience=20,
)