init repo

.gitattributes

@@ -0,0 +1,2 @@
+*.keras filter=lfs diff=lfs merge=lfs -text
+*.h5 filter=lfs diff=lfs merge=lfs -text

.gitignore

@@ -0,0 +1,111 @@
+# Byte-compiled / optimized / DLL files
+__pycache__/
+*.py[cod]
+*$py.class
+
+# C extensions
+*.so
+
+# Distribution / packaging
+.Python
+build/
+develop-eggs/
+dist/
+downloads/
+eggs/
+.eggs/
+lib/
+lib64/
+parts/
+sdist/
+var/
+*.egg-info/
+.installed.cfg
+*.egg
+
+# Virtual environments
+venv/
+ENV/
+env/
+.venv/
+.env/
+.ENV/
+ENV.bak/
+venv.bak/
+
+# PyInstaller
+*.manifest
+*.spec
+
+# Installer logs
+pip-log.txt
+pip-delete-this-directory.txt
+
+# Unit test / coverage reports
+htmlcov/
+.tox/
+.nox/
+.coverage
+.coverage.*
+.cache
+nosetests.xml
+coverage.xml
+*.cover
+.hypothesis/
+.pytest_cache/
+
+# Translations
+*.mo
+*.pot
+
+# Django stuff
+*.log
+local_settings.py
+db.sqlite3
+
+# Flask stuff
+instance/
+.webassets-cache
+
+# Scrapy stuff
+.scrapy
+
+# Sphinx documentation
+docs/_build/
+
+# Jupyter Notebook
+.ipynb_checkpoints
+
+# PyCharm
+.idea/
+
+# VSCode
+.vscode/
+
+# macOS
+.DS_Store
+
+# Windows
+Thumbs.db
+ehthumbs.db
+Desktop.ini
+
+# System-specific
+*.swp
+*.swo
+
+# dotenv
+*.env
+.env.*
+
+# mypy
+.mypy_cache/
+.dmypy.json
+dmypy.json
+
+# Pyre type checker
+.pyre/
+
+#Models
+*.keras
+*.h5

train_yolo

@@ -0,0 +1,101 @@
+import os
+import sys
+from ultralytics import YOLO
+import yaml
+import shutil
+from pathlib import Path
+import cv2
+import numpy as np
+
+def verify_images(dataset_path):
+    """Überprüfe alle Bilder auf Lesbarkeit und korrekte Dimensionen."""
+    print("\nÜberprüfe Bilder...")
+    corrupted = []
+    for split in ['train', 'val']:
+        img_dir = dataset_path / split / 'images'
+        if not img_dir.exists():
+            continue
+        
+        for img_path in img_dir.glob('*'):
+            try:
+                img = cv2.imread(str(img_path))
+                if img is None:
+                    raise ValueError("Bild konnte nicht gelesen werden")
+                if img.shape[0] < 10 or img.shape[1] < 10:
+                    raise ValueError("Bild ist zu klein")
+            except Exception as e:
+                print(f"Warnung: Problem mit {img_path}: {str(e)}")
+                corrupted.append(img_path)
+    
+    if corrupted:
+        print(f"\nGefundene problematische Bilder: {len(corrupted)}")
+        return False
+    return True
+
+def create_yolo_dataset():
+    """Erstelle die YOLO-Dateistruktur und konvertiere die Annotationen."""
+    try:
+        # Erstelle Verzeichnisse
+        dataset_path = Path('yolo_dataset')
+        if not dataset_path.exists():
+            print("Fehler: YOLO Dataset nicht gefunden! Bitte führen Sie zuerst convert_annotations.py aus.")
+            sys.exit(1)
+
+        # Überprüfe Bilder
+        if not verify_images(dataset_path):
+            print("Warnung: Einige Bilder könnten problematisch sein!")
+
+        # Erstelle dataset.yaml
+        dataset_yaml = {
+            'path': str(dataset_path.absolute()),
+            'train': 'train/images',
+            'val': 'val/images',
+            'names': {
+                0: 'NAO-Roboter'
+            },
+            'nc': 1  # Anzahl der Klassen
+        }
+
+        yaml_path = dataset_path / 'dataset.yaml'
+        with open(yaml_path, 'w') as f:
+            yaml.dump(dataset_yaml, f)
+
+        return str(yaml_path)
+    except Exception as e:
+        print(f"Fehler beim Erstellen des Datasets: {str(e)}")
+        sys.exit(1)
+
+def train_yolo():
+    """Trainiere das YOLOv8 Modell."""
+    # Erstelle und konfiguriere das Dataset
+    dataset_yaml = create_yolo_dataset()
+
+    # Initialisiere das Modell
+    model = YOLO('yolov8n.pt')  # Verwende das kleine YOLOv8 Modell
+
+    # Trainiere das Modell
+    results = model.train(
+        data=dataset_yaml,
+        epochs=50,
+        imgsz=640,  # Bildgröße
+        batch=16,    # Batch-Größe
+        device='cpu',  # Verwende CPU (oder 'cuda' für GPU)
+        patience=5,   # Early Stopping
+        save=True,    # Speichere die besten Gewichte
+        project='yolo_training',  # Projektname
+        name='NAO_detector',  # Experimentname
+    )
+
+    # Exportiere das Modell für den NAO
+    print("\nExportiere Modell in verschiedene Formate...")
+    
+    # ONNX Format (gut für eingebettete Systeme)
+    model.export(format='onnx', imgsz=640)
+    
+    # OpenVINO Format (optimiert für Intel Hardware)
+    model.export(format='openvino', imgsz=640)
+    
+    print("\nTraining abgeschlossen. Die Modelle wurden im 'yolo_training/NAO_detector' Ordner gespeichert.")
+
+if __name__ == '__main__':
+    train_yolo() 

yolo_dataset/dataset.yaml

@@ -0,0 +1,6 @@
+names:
+  0: NAO-Roboter
+nc: 1
+path: C:\Users\vincent.hanewinkel\Projekts\Hochschule\NAO_Roboter_Erkennung\yolo_dataset
+train: train/images
+val: val/images