YOLOv11インスタンスセグメンテーションのためのデータオーグメンテーション

# YOLO11データオーグメンテーション効果確認プログラム
#   COCO128データセットでのセグメンテーション学習時のデータ拡張結果可視化
#   論文: "Ultralytics YOLO11" (2024年9月リリース)
#   GitHub: https://github.com/ultralytics/ultralytics
#   特徴: YOLO11は最新のリアルタイム物体検出・セグメンテーションモデル
#         YOLOv8mより22%少ないパラメータで高いmAP実現、5種類のモデルサイズ
#   学習済みモデル: yolo11n-seg.pt（Nano版、軽量なセグメンテーション用）
#   前準備: pip install ultralytics matplotlib opencv-python japanize-matplotlib pillow

import matplotlib.pyplot as plt
import japanize_matplotlib
import cv2
from ultralytics import YOLO
from PIL import Image, ImageDraw, ImageFont
import numpy as np
import os

# 利用可能なYOLO11セグメンテーション学習済みモデル:
# yolo11n-seg.pt - Nano: 軽量、エッジデバイス向け（2.9Mパラメータ、mAP 38.9）
# yolo11s-seg.pt - Small: Nanoより精度向上、計算量増加（10.1Mパラメータ、mAP 46.6）
# yolo11m-seg.pt - Medium: 汎用用途、バランス型（22.4Mパラメータ、mAP 51.5）
# yolo11l-seg.pt - Large: 高精度、高計算量（27.6Mパラメータ、mAP 53.4）
# yolo11x-seg.pt - Extra-large: 最高精度、最大計算量（62.1Mパラメータ、mAP 54.7）

# ガイダンス表示
print("=" * 60)
print("YOLO11 データオーグメンテーション効果確認プログラム")
print("=" * 60)
print("\n【概要】")
print("COCO128データセットを用いて、YOLO11のセグメンテーション学習時の")
print("データ拡張効果を可視化します。")
print("\n【操作方法】")
print("1. プログラムが自動的に学習を開始します")
print("2. 学習完了後、データ拡張結果が表示されます")
print("3. 表示された画像ウィンドウを閉じると終了します")
print("\n【注意事項】")
print("- 初回実行時はモデルとデータセットのダウンロードが行われます")
print("- 学習には数分程度かかる場合があります")
print("-" * 60)
print("処理を開始します...\n")

# 設定パラメータ
MODEL_NAME = "yolo11n-seg.pt"
DATASET_CONFIG = "coco128-seg.yaml"
EPOCHS = 3  # デモ用から実用的な値に変更
ROTATION_DEGREES = 15.0
TRANSLATE_RATIO = 0.1
SCALE_FACTOR = 0.3
FLIP_PROBABILITY = 0.5
HSV_HUE = 0.015
HSV_SATURATION = 0.4  # 論理的整合性のため修正
HSV_VALUE = 0.4
MOSAIC_PROBABILITY = 0.8
MIXUP_PROBABILITY = 0.15  # Mixupを有効化
FIGURE_SIZE = (12, 8)
RESULT_IMAGE_PATH = 'runs/segment/train/train_batch0.jpg'

# メイン処理
print("モデルを読み込んでいます...")
model = YOLO(MODEL_NAME)

print(f"\n学習を開始します（エポック数: {EPOCHS}）...")
model.train(
    data=DATASET_CONFIG,
    epochs=EPOCHS,
    degrees=ROTATION_DEGREES,
    translate=TRANSLATE_RATIO,
    scale=SCALE_FACTOR,
    fliplr=FLIP_PROBABILITY,
    hsv_h=HSV_HUE,
    hsv_s=HSV_SATURATION,
    hsv_v=HSV_VALUE,
    mosaic=MOSAIC_PROBABILITY,
    mixup=MIXUP_PROBABILITY,
    plots=True
)

# 結果表示
print("\n学習が完了しました。結果を表示します...")

if os.path.exists(RESULT_IMAGE_PATH):
    img = cv2.imread(RESULT_IMAGE_PATH)

    # 日本語テキスト表示の準備
    FONT_PATH = 'C:/Windows/Fonts/meiryo.ttc'
    FONT_SIZE = 20

    if os.path.exists(FONT_PATH):
        font = ImageFont.truetype(FONT_PATH, FONT_SIZE)
        img_pil = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
        draw = ImageDraw.Draw(img_pil)
        draw.text((10, 10), "データオーグメンテーション結果", font=font, fill=(0, 255, 0))
        img_rgb = np.array(img_pil)
    else:
        img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

    plt.figure(figsize=FIGURE_SIZE)
    plt.imshow(img_rgb)
    plt.title('データオーグメンテーション結果')
    plt.axis('off')
    plt.show()

    print("\n【結果の説明】")
    print("表示された画像には以下のデータ拡張が適用されています：")
    print(f"- モザイク処理: 4つの画像を結合（確率{MOSAIC_PROBABILITY*100}%）")
    print(f"- Mixup処理: 画像の混合（確率{MIXUP_PROBABILITY*100}%）")
    print(f"- 回転: ±{ROTATION_DEGREES}度")
    print(f"- 平行移動: 画像サイズの±{TRANSLATE_RATIO*100}%")
    print(f"- スケーリング: ±{SCALE_FACTOR*100}%")
    print(f"- 左右反転: 確率{FLIP_PROBABILITY*100}%")
    print(f"- 色相調整: ±{HSV_HUE*100}%")
    print(f"- 彩度調整: ±{HSV_SATURATION*100}%")
    print(f"- 明度調整: ±{HSV_VALUE*100}%")
else:
    print(f"\n警告: 結果画像が見つかりません: {RESULT_IMAGE_PATH}")
    print("学習ログを確認してください。")

print("\nプログラムを終了します。")