Para baixar e instalar o Anaconda utilize o link abaixo:

Anaconda

O Jupyter Notebook ja vem em conjunto com o Anaconda.

Para instalar o Python na versão 3.8.8 utilizando o Anaconda, abra o Anaconda Prompt e digite o comando abaixo:

conda install python=3.8.8

Para que seja instalado os pacotes nas versões corretas utilize o comando:

pip install -r requirements.txt

Para a instalação do LabelImg utilizando o Anaconda, abra o Anaconda Prompt e digite os comandos abaixo:

conda install pyqt=5
conda install -c anaconda lxml
pyrcc5 -o libs/resources.py resources.qrc
python labelImg.py
python labelImg.py [IMAGE_PATH] [PRE-DEFINED CLASS FILE]

Para mais informações, verifique: https://github.com/heartexlabs/labelImg

Para baixar e instalar o Image downloader - Imageye utilize o link abaixo:

Image downloader - Imageye

Para que o código funcione é preciso que você tenha os arquivos do modelo pré treinado do YOLO, para gerar esses arquivos siga os passos abaixo:

Se você vai customizar seu próprio modelo pré treinado do YOLO, você irá precisar de um Dataset e para te auxiliar com a coleta das imagens você pode utilizar:

• Image downloader - Imageye que faz o download de várias imagens direto do google imagens.
• Kaggle que é um site que disponibiliza inúmeros Datasets.

Com o Dataset ja em mãos, podemos utilizar o LabelImg.

• Acessar o LabelImg
• Clique em Open Dir e selecione a pasta que você esta armazenando as imagens, e clique em Selecionar pasta.
• Clique em Change Save Dir e selecione a mesma pasta que você selecionou no Open Dir e clique em Selecionar pasta.
• Antes de começar, abaixo de Save, se estiver com PascalVOC, clique nele para aparecer YOLO.
• Clique em Create RectBox, va até onde o objeto que você quer que seja identificado pelo seu modelo e crie uma Create RectBox entorno dele.
• Coloque o nome da sua classe, e clique em OK.
• Após criar todas as Create RectBox na imagem, clique me Save.
• Clique em Next Image.
• Faça isso para todas as imagens.

Após fazer isso, você vai ter uma pasta com imagens, arquivos txt com o mesmo nome que as imagens contendo coordenadas dos Labels e o arquivo txt classes contendo o nome da sua classe/s.

O nome da pasta deve ser images, se for diferente, tera que ser alterado nos comandos do google colab

• Acesse a pasta contendo as imagens, arquivos txt das labels e arquivo txt classes.
• Selecione tudo -- (Ctrl+a)
• Clique com o botão direito do mouse.
• Se tiver Winrar, selecione a opção Adicionar para o arquivo... no campo Formato do arquivo, selecione a opção zip, e clique em OK
• Se não tiver Winrar, selecione a opção Enviar para >> Pasta compactada

Após fazer isso, acesse seu drive.

O nome da pasta deve ser yolov4, se for diferente, tera que ser alterado nos comandos do google colab

• Clique em Novo
• Clique em Nova pasta
• Coloque o nome: yolov4
• Clique em Criar

Acesse sua pasta no google drive e envie o arquivo images.zip

Nessa etapa você deve decidir qual arquivo de pesos pré-treinado você usará, a diferença deles está em questão de tamanho e performance, exemplos abaixo:

CPU utilizado foi um i5-9300H

• yolov4.conv.137 utilizando esse modelo você terá uma média de 2.5 fps rodando em CPU, valores de precisão e detecção ótimos, o tempo de treino no Google Colab é aproximadamente 16 horas
• yolov4-tiny.conv.29 utilizando esse modelo você terá uma média de 10 fps rodando em CPU, valores de precisão e detecção inferiores, o tempo de treino no Google Colab é aproximadamente 5 horas

Após decidir qual arquivo de peso você utilizará para treinar seu modelo, siga as instruções abaixo:

• Entre no Google Colab
• Logue com sua conta
• No canto esquerdo superior clique na opção Editar
• Clique em Configurações de notebook
• Em Acelerador de hardware coloque a opção GPU e clique em Salvar
• Siga os passos dos arquivos google_colab

Quando o treinamento for concluído, em sua pasta yolov4 do Google Drive deve conter os arquivos:

1. classes.txt
2. images.zip
3. yolov4_testing.cfg
4. yolov4_training_1000.weights
5. yolov4_training_2000.weights
6. yolov4_training_3000.weights
7. yolov4_training_4000.weights
8. yolov4_training_final.weights
9. yolov4_training_last.weights

Você tera que baixar os arquivos: classes.txt, yolov4_testing.cfg e yolov4_training_last.weights, coloque-os dentro da pasta modelo_pre_treinado

Para mais informações do YOLO acesse https://github.com/AlexeyAB/darknet

Com isso o código ja irá funcionar!

Basta comentar a linha 104 até a linha 110 para que não envie um SMS ao detectar um acidente, se não quiser comentar as linhas siga os passos abaixo.

Para que a mensagem seja enviada, é preciso que se crie uma conta no Twilio

Ao logar no Twilio você precisa fazer a solicitação de seu número Twilio para fazer isso clique em Get a Twilio phone number. Após isso, descendo a página irá ter o campo Account Info que deve conter as segunintes informações:

• Account SID
• Auth Token
• My Twilio phone number

Essas informações deverão ser preenchidas no código

• #Dados informados na sua conta twilio