프로젝트 1 — YOLO 데이터셋 점검 도구

from pathlib import Path
import cv2
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

plt.rcParams["font.family"] = "Malgun Gothic"
plt.rcParams["axes.unicode_minus"] = False

root = Path("out_ch17_yolo")
if not (root / "data.yaml").exists():
    raise SystemExit("out_ch17_yolo 가 없습니다. 실습 5를 먼저 실행하세요")

# data.yaml 에서 "  0: bolt" 꼴의 줄만 골라 번호와 이름을 꺼낸다
names = {}
for line in (root / "data.yaml").read_text(encoding="utf-8").split("\n"):
    key, _, value = line.strip().partition(": ")      # partition: 첫 ": " 에서 앞, 가운데, 뒤로 나눈다
    if key.isdigit():
        names[int(key)] = value
print("클래스:", names)

rows, bad_lines = [], []
for part in ("train", "val"):
    for txt in sorted((root / "labels" / part).glob("*.txt")):
        for no, line in enumerate(txt.read_text(encoding="utf-8").split("\n"), start=1):
            if not line.strip():
                continue
            parts = line.split()
            if len(parts) != 5:                          # 형식 검사: 숫자가 다섯 개여야 한다
                bad_lines.append((txt.name, no))
                continue
            cls, xc, yc, w, h = int(parts[0]), *[float(v) for v in parts[1:]]
            rows.append({"split": part, "file": txt.stem, "cls": cls, "xc": xc, "yc": yc, "w": w, "h": h})

labels = pd.DataFrame(rows)
labels["name"] = labels["cls"].map(names)
print("물체:", len(labels), "개 · 라벨 파일:", labels["file"].nunique(), "개")
print(labels.head(3).to_string(index=False))

EPS = 0.000001                                         # 소수 여섯째 자리 반올림 여유
check = {}
for part in ("train", "val"):
    img_stems = {p.stem for p in (root / "images" / part).glob("*.png")}
    lab_stems = {p.stem for p in (root / "labels" / part).glob("*.txt")}
    check[f"짝 없는 그림({part})"] = len(img_stems - lab_stems)
    check[f"짝 없는 라벨({part})"] = len(lab_stems - img_stems)
check["형식이 틀린 줄"] = len(bad_lines)
check["모르는 클래스 번호"] = int((~labels["cls"].isin(names)).sum())
left, right = labels["xc"] - labels["w"] / 2, labels["xc"] + labels["w"] / 2
top, bottom = labels["yc"] - labels["h"] / 2, labels["yc"] + labels["h"] / 2
outside = (left < -EPS) | (top < -EPS) | (right > 1 + EPS) | (bottom > 1 + EPS)
check["범위 밖 상자"] = int(outside.sum())

report = pd.DataFrame({"항목": list(check), "문제 수": list(check.values())})
print(report.to_string(index=False))
print("판정:", "통과" if report["문제 수"].sum() == 0 else "확인 필요")

counts = pd.crosstab(labels["name"], labels["split"])
ratio = (pd.crosstab(labels["name"], labels["split"], normalize="columns") * 100).round(1)
table = pd.concat([counts, ratio.add_suffix("_%")], axis=1)   # 개수 열 옆에 비율 열을 붙인다(add_suffix: 열 이름 뒤에 _% 를 붙인다)
print(table)

# 그림당 물체 수: 파일마다 줄 수를 센 뒤, 그 수가 몇 번 나오는지 센다
per_image = labels.groupby(["split", "file"]).size()
print("그림당 물체 수:", per_image.value_counts().sort_index().to_dict())
print("그림당 평균:", round(float(per_image.mean()), 2), "개")

# 상자 너비와 높이(그림 크기에 대한 비율)의 요약
print(labels[["w", "h"]].describe().loc[["min", "mean", "max"]].round(3))

fig, axes = plt.subplots(1, 3, figsize=(13, 3.8), layout="constrained")

# (1) 클래스별 물체 수: train 과 val 막대를 나란히
x = np.arange(len(counts))
axes[0].bar(x - 0.2, counts["train"], width=0.4, label="train")
axes[0].bar(x + 0.2, counts["val"], width=0.4, label="val")
axes[0].set_xticks(x, labels=counts.index)
axes[0].set_title("클래스별 물체 수")
axes[0].legend()

# (2) 그림당 물체 수: 1개짜리 그림이 몇 장, 2개짜리가 몇 장…
dist = per_image.value_counts().sort_index()
axes[1].bar(dist.index, dist.values)
axes[1].set_xlabel("그림 한 장의 물체 수")
axes[1].set_ylabel("그림 수")
axes[1].set_title("그림당 물체 수")

# (3) 상자 너비와 높이(비율)의 히스토그램
bins = np.linspace(0, 0.45, 19)                  # 0~0.45 를 0.025 간격 18칸으로
axes[2].hist(labels["w"], bins=bins, alpha=0.6, label="너비 w")
axes[2].hist(labels["h"], bins=bins, alpha=0.6, label="높이 h")
axes[2].set_xlabel("그림 크기에 대한 비율")
axes[2].set_title("상자 크기 분포")
axes[2].legend()
plt.show()

rng = np.random.default_rng(1718)                      # 씨앗을 고정해 늘 같은 여섯 장을 고른다
all_images = sorted((root / "images").rglob("*.png"))
picked = [all_images[i] for i in sorted(rng.choice(len(all_images), 6, replace=False))]
colors = {0: (0, 0, 255), 1: (0, 200, 255), 2: (255, 200, 0)}   # BGR

tiles = []
for p in picked:
    img = cv2.imread(str(p))
    h, w = img.shape[:2]
    part = p.parent.name                               # 그림이 든 폴더 이름(train 또는 val)
    for r in labels[(labels["split"] == part) & (labels["file"] == p.stem)].itertuples():
        x1, y1 = round((r.xc - r.w / 2) * w), round((r.yc - r.h / 2) * h)
        x2, y2 = round((r.xc + r.w / 2) * w), round((r.yc + r.h / 2) * h)
        cv2.rectangle(img, (x1, y1), (x2, y2), colors[r.cls], 2)
        cv2.putText(img, names[r.cls], (x1, max(y1 - 4, 12)), cv2.FONT_HERSHEY_SIMPLEX, 0.45, colors[r.cls], 1)
    cv2.putText(img, f"{part}/{p.name}", (6, 232), cv2.FONT_HERSHEY_SIMPLEX, 0.45, (255, 255, 255), 1)
    tiles.append(img)

sheet = cv2.vconcat([cv2.hconcat(tiles[:3]), cv2.hconcat(tiles[3:])])
print("격자 모양:", sheet.shape, "· 저장:", cv2.imwrite("out_ch17_check.png", sheet))
print("고른 그림:", [f"{p.parent.name}/{p.name}" for p in picked])

plt.figure(figsize=(11, 5.6))
plt.imshow(cv2.cvtColor(sheet, cv2.COLOR_BGR2RGB))
plt.title("무작위로 고른 여섯 장의 라벨 확인 (out_ch17_check.png)")
plt.axis("off")
plt.show()