# =================================================== # Bounding Box形式変換関数 # =================================================== def xywh_to_xyxy(bbox): “”” (x, y, w, h) 形式 → (x1, y1, x2, y2) 形式に変換 Args: bbox: [x, y, w, h] – 左上座標と幅・高さ Returns: [x1, y1, x2, y2] – 左上と右下の座標 “”” x, y, w, h = bbox x1 = x # 左上x = そのまま y1 = y # 左上y = そのまま x2 = x + w # 右下x = 左上x + 幅 y2 = y + h # 右下y = 左上y + 高さ return [x1, y1, x2, y2] def xyxy_to_xywh(bbox): “”” (x1, y1, x2, y2) 形式 → (x, y, w, h) 形式に変換 Args: bbox: [x1, y1, x2, y2] – 左上と右下の座標 Returns: [x, y, w, h] – 左上座標と幅・高さ “”” x1, y1, x2, y2 = bbox x = x1 # 左上x = そのまま y = y1 # 左上y = そのまま w = x2 – x1 # 幅 = 右下x – 左上x h = y2 – y1 # 高さ = 右下y – 左上y return [x, y, w, h] def xywh_to_yolo(bbox, image_width, image_height): “”” (x, y, w, h) 形式 → YOLO形式（正規化）に変換 Args: bbox: [x, y, w, h] – 左上座標と幅・高さ image_width: 画像の幅 image_height: 画像の高さ Returns: [x_center, y_center, width, height] – 正規化された中心座標と大きさ “”” x, y, w, h = bbox # 中心座標を計算（ピクセル値） x_center_pixel = x + w / 2 y_center_pixel = y + h / 2 # 0〜1の範囲に正規化 x_center = x_center_pixel / image_width y_center = y_center_pixel / image_height width = w / image_width height = h / image_height return [x_center, y_center, width, height] def yolo_to_xywh(bbox, image_width, image_height): “”” YOLO形式 → (x, y, w, h) 形式に変換 Args: bbox: [x_center, y_center, width, height] – 正規化された値 image_width: 画像の幅 image_height: 画像の高さ Returns: [x, y, w, h] – ピクセル値の座標 “”” x_center, y_center, width, height = bbox # 正規化を解除してピクセル値に変換 w = width * image_width h = height * image_height x_center_pixel = x_center * image_width y_center_pixel = y_center * image_height # 中心座標から左上座標を計算 x = x_center_pixel – w / 2 y = y_center_pixel – h / 2 return [x, y, w, h] # =================================================== # 変換のテスト # =================================================== # 元のBounding Box (x, y, w, h) original_bbox = [100, 80, 200, 150] image_width, image_height = 640, 480 print(“元のBox (x, y, w, h):”, original_bbox) # (x, y, w, h) → (x1, y1, x2, y2) xyxy = xywh_to_xyxy(original_bbox) print(“(x1, y1, x2, y2) 形式:”, xyxy) # (x, y, w, h) → YOLO形式 yolo = xywh_to_yolo(original_bbox, image_width, image_height) print(“YOLO形式:”, [f”{v:.4f}” for v in yolo]) # YOLO形式 → (x, y, w, h)（逆変換の確認） back_to_xywh = yolo_to_xywh(yolo, image_width, image_height) print(“逆変換 (x, y, w, h):”, [f”{v:.1f}” for v in back_to_xywh])

def compute_iou(box1, box2): “”” 2つのBounding BoxのIoUを計算 Args: box1: [x1, y1, x2, y2] 形式のBox box2: [x1, y1, x2, y2] 形式のBox Returns: IoU値（0.0〜1.0） “”” # Step 1: 交差部分の座標を計算 # 交差部分の左上 = 両方の左上の最大値 x1_inter = max(box1[0], box2[0]) y1_inter = max(box1[1], box2[1]) # 交差部分の右下 = 両方の右下の最小値 x2_inter = min(box1[2], box2[2]) y2_inter = min(box1[3], box2[3]) # Step 2: 交差部分の面積を計算 # 幅と高さが負の場合は交差していない（0にする） inter_width = max(0, x2_inter – x1_inter) inter_height = max(0, y2_inter – y1_inter) inter_area = inter_width * inter_height # Step 3: 各Boxの面積を計算 box1_area = (box1[2] – box1[0]) * (box1[3] – box1[1]) box2_area = (box2[2] – box2[0]) * (box2[3] – box2[1]) # Step 4: 和集合の面積を計算 # 和集合 = Box1 + Box2 – 交差部分（交差部分を二重にカウントしないため） union_area = box1_area + box2_area – inter_area # Step 5: IoUを計算 if union_area > 0: iou = inter_area / union_area else: iou = 0 return iou # =================================================== # IoU計算のテスト # =================================================== # テストケース1: 部分的に重なるBox box_a = [50, 30, 200, 150] # 左上(50,30), 右下(200,150) box_b = [100, 80, 250, 200] # 左上(100,80), 右下(250,200) iou1 = compute_iou(box_a, box_b) print(f”テスト1 – 部分的に重なる: IoU = {iou1:.4f}”) # 計算過程を表示 print(“\n計算過程:”) print(f” Box A: {box_a}”) print(f” Box B: {box_b}”) print(f” 交差部分: x={max(50,100)}〜{min(200,250)}, y={max(30,80)}〜{min(150,200)}”) print(f” = [100, 80, 200, 150]”) print(f” 交差面積: {100*70} = 7,000″) print(f” Box A面積: {150*120} = 18,000″) print(f” Box B面積: {150*120} = 18,000″) print(f” 和集合: 18,000 + 18,000 – 7,000 = 29,000″) print(f” IoU: 7,000 / 29,000 = {7000/29000:.4f}”) # テストケース2: 完全に一致 box_c = [100, 100, 200, 200] box_d = [100, 100, 200, 200] iou2 = compute_iou(box_c, box_d) print(f”\nテスト2 – 完全一致: IoU = {iou2:.4f}”) # テストケース3: 全く重ならない box_e = [0, 0, 100, 100] box_f = [200, 200, 300, 300] iou3 = compute_iou(box_e, box_f) print(f”テスト3 – 重なりなし: IoU = {iou3:.4f}”)

import numpy as np def non_maximum_suppression(boxes, scores, iou_threshold=0.5): “”” Non-Maximum Suppression（NMS）を実行 Args: boxes: Bounding Boxのリスト [[x1,y1,x2,y2], …] scores: 各Boxの信頼度スコア [0.95, 0.92, …] iou_threshold: この値以上のIoUを持つBoxを削除 Returns: keep: 残すBoxのインデックスリスト “”” boxes = np.array(boxes) scores = np.array(scores) # Boxの座標を取り出す x1 = boxes[:, 0] y1 = boxes[:, 1] x2 = boxes[:, 2] y2 = boxes[:, 3] # 各Boxの面積を計算 areas = (x2 – x1) * (y2 – y1) # スコアで降順にソートしたインデックスを取得 order = scores.argsort()[::-1] # argsort()は昇順、[::-1]で降順に keep = [] # 残すBoxのインデックス while len(order) > 0: # 最もスコアが高いBoxのインデックスを取得 i = order[0] keep.append(i) # 残り1つになったら終了 if len(order) == 1: break # 選択したBoxと残りのBoxの交差部分を計算 # np.maximum/minimum で要素ごとの最大/最小を取得 xx1 = np.maximum(x1[i], x1[order[1:]]) yy1 = np.maximum(y1[i], y1[order[1:]]) xx2 = np.minimum(x2[i], x2[order[1:]]) yy2 = np.minimum(y2[i], y2[order[1:]]) # 交差部分の幅と高さ（負の場合は0） w = np.maximum(0.0, xx2 – xx1) h = np.maximum(0.0, yy2 – yy1) # 交差面積 inter = w * h # 和集合の面積 union = areas[i] + areas[order[1:]] – inter # IoUを計算 iou = inter / union # IoUが閾値未満のBoxだけを残す # np.where は条件を満たすインデックスを返す inds = np.where(iou <= iou_threshold)[0] # order を更新（+1 は order[1:] からの相対インデックスを補正） order = order[inds + 1] return keep # =================================================== # NMSのテスト # =================================================== # テスト用データ boxes = [ [50, 30, 200, 150], # Box 0: 猫1 [55, 35, 205, 155], # Box 1: 猫1（重複） [52, 32, 198, 148], # Box 2: 猫1（重複） [300, 100, 450, 250], # Box 3: 犬 ] scores = [0.95, 0.92, 0.88, 0.85] print("NMS前:") for i, (box, score) in enumerate(zip(boxes, scores)): print(f" Box {i}: {box}, score={score}") # NMS実行 keep_indices = non_maximum_suppression(boxes, scores, iou_threshold=0.5) print(f"\n残すBoxのインデックス: {keep_indices}") print("\nNMS後:") for i in keep_indices: print(f" Box {i}: {boxes[i]}, score={scores[i]}")

# LabelImgのインストールと起動 # 方法1: pipでインストール pip install labelImg # 起動 labelImg # 方法2: GitHubからクローン git clone https://github.com/tzutalin/labelImg.git cd labelImg pip install -r requirements/requirements-linux-python3.txt python labelImg.py

import torch from torch.utils.data import Dataset, DataLoader from PIL import Image import os class YOLODataset(Dataset): “”” YOLO形式のアノテーションを読み込むデータセット YOLO形式: – 1行 = 1物体 – class_id x_center y_center width height（全て0〜1に正規化） “”” def __init__(self, image_dir, label_dir, class_names, transform=None): “”” Args: image_dir: 画像フォルダのパス label_dir: ラベル（.txt）フォルダのパス class_names: クラス名のリスト [‘cat’, ‘dog’, …] transform: 画像変換（データ拡張など） “”” self.image_dir = image_dir self.label_dir = label_dir self.class_names = class_names self.transform = transform # 画像ファイルのリストを取得 self.image_files = [f for f in os.listdir(image_dir) if f.endswith((‘.jpg’, ‘.jpeg’, ‘.png’))] def __len__(self): return len(self.image_files) def __getitem__(self, idx): # 画像を読み込み image_name = self.image_files[idx] image_path = os.path.join(self.image_dir, image_name) image = Image.open(image_path).convert(‘RGB’) # 元の画像サイズを取得 img_width, img_height = image.size # 対応するラベルファイルを読み込み label_name = os.path.splitext(image_name)[0] + ‘.txt’ label_path = os.path.join(self.label_dir, label_name) boxes = [] labels = [] if os.path.exists(label_path): with open(label_path, ‘r’) as f: for line in f.readlines(): parts = line.strip().split() if len(parts) == 5: class_id = int(parts[0]) x_center = float(parts[1]) y_center = float(parts[2]) width = float(parts[3]) height = float(parts[4]) # YOLO形式 → (x1, y1, x2, y2) 形式に変換 x1 = (x_center – width / 2) * img_width y1 = (y_center – height / 2) * img_height x2 = (x_center + width / 2) * img_width y2 = (y_center + height / 2) * img_height boxes.append([x1, y1, x2, y2]) labels.append(class_id) # PyTorchのテンソルに変換 boxes = torch.tensor(boxes, dtype=torch.float32) if boxes else torch.zeros((0, 4)) labels = torch.tensor(labels, dtype=torch.int64) if labels else torch.zeros((0,), dtype=torch.int64) # ターゲット辞書（PyTorchの物体検出モデルが期待する形式） target = { ‘boxes’: boxes, ‘labels’: labels, ‘image_id’: torch.tensor([idx]) } # 画像変換を適用 if self.transform: image = self.transform(image) return image, target # =================================================== # 使用例（実際のデータがある場合） # =================================================== # クラス名の定義 class_names = [‘cat’, ‘dog’] # データセットの作成 # dataset = YOLODataset( # image_dir=’data/images/train’, # label_dir=’data/labels/train’, # class_names=class_names, # transform=transforms.ToTensor() # ) # DataLoaderの作成 # train_loader = DataLoader(dataset, batch_size=4, shuffle=True, collate_fn=collate_fn) print(“YOLODatasetクラスを定義しました”) print(f”対応クラス: {class_names}”)

def collate_fn(batch): “”” 物体検出用のcollate関数 物体検出では画像ごとに物体の数が異なるため、 targetsはリストとして返す（テンソルにできない） Args: batch: [(image, target), (image, target), …] のリスト Returns: images: バッチ化された画像テンソル targets: ターゲット辞書のリスト “”” images = [] targets = [] for image, target in batch: images.append(image) targets.append(target) # 画像はスタックしてバッチ化 # ただし、サイズが異なる場合はリストのまま try: images = torch.stack(images, dim=0) except: pass # サイズが異なる場合はリストのまま return images, targets # 使用例 # train_loader = DataLoader( # dataset, # batch_size=4, # shuffle=True, # collate_fn=collate_fn # ) print(“collate_fn を定義しました”) print(“DataLoaderでcollate_fn=collate_fnを指定して使用します”)