👀 A-Eye Lab Research

📁 프로젝트 구조

a-eye-lab-research/
├── dataset/         # 데이터셋 처리 및 관리 코드
├── train/           # 모델 학습 관련 코드
├── eval/            # 모델 평가 및 검증 코드
├── export/          # ONNX 변환 및 모델 내보내기 코드
└── notebook/        # 개인 연구 노트북

🚀 시작하기

환경 설정

# 프로젝트 루트 디렉토리로 이동
cd a-eye-lab-research/docs

# (선택) conda 환경 생성
conda create -n aeye-lab python=3.9
conda activate aeye-lab

conda install pytorch==2.4.0 torchvision==0.19.0 torchaudio==2.4.0 pytorch-cuda=12.1 -c pytorch -c nvidia

# 필요한 패키지 설치 (requirements.txt가 있다면)
pip install -r requirements.txt

📊 학습 데이터 다운로드

https://huggingface.co/a-eyelab

🏷️ 학습 데이터 설정 방법 및 학습 파라미터 설정

모델 학습 시에 학습 데이터 설정은 config/train.yaml에서 아래의 항목처럼 기재하시면 됩니다.

DATASET:
  TRAIN_DATA_DIR: [
    "your/data/path"
  ]

데이터 형식은 아래와 같이 맞춰주시면 datasets.py 모듈에서 라벨을 인식하여 학습을 진행할 수 있습니다.

a-eye-lab-research/
├── 0/ # 정상군
└── 1/ # 환자군

🎯 모델 학습

# 학습 디렉토리로 이동
cd a-eye-lab-research/train

# 모델 학습 실행
python3 main.py --cfg configs/train.yaml

📊 모델 평가

테스트 데이터를 통해 최종적으로 모델 평가를 위해서 다음과 같이 진행하시면 됩니다.

if __name__ == "__main__":
    main(
        dataset_path="path/to/data",    # 평가할 데이터셋 경로
        model_path="path/to/model"      # 학습된 모델 파일 경로 (.onnx, .pt 형식 지원)
    )

코드 실행은 다음과 같습니다.

# 평가 디렉토리로 이동
cd a-eye-lab-research/eval

# 모델 평가 실행
python3 main.py

📦 ONNX 변환

# 내보내기 디렉토리로 이동
cd a-eye-lab-research/export

# ONNX 변환 실행
python3 export.py

📝 사용법

1. 환경 설정: 먼저 필요한 패키지들을 설치합니다
2. 데이터 준비: dataset/ 디렉토리에서 데이터를 준비합니다
3. 모델 학습: train/ 디렉토리에서 모델을 학습합니다
4. 모델 평가: eval/ 디렉토리에서 학습된 모델을 평가합니다
5. 모델 내보내기: export/ 디렉토리에서 ONNX 형식으로 변환합니다

🔧 설정 파일

• configs/train.yaml: 학습 설정 파일

📚 추가 정보

• 개인 연구 노트북은 notebook/ 디렉토리에서 확인할 수 있습니다.