{"metadata":{"kernelspec":{"language":"python","display_name":"Python 3","name":"python3"},"language_info":{"pygments_lexer":"ipython3","nbconvert_exporter":"python","version":"3.6.4","file_extension":".py","codemirror_mode":{"name":"ipython","version":3},"name":"python","mimetype":"text/x-python"}},"nbformat_minor":4,"nbformat":4,"cells":[{"cell_type":"markdown","source":"## Amaç \nAkciğer görüntüleri verilen veri setini YoloV5 modeli kullanılarak transfer öğrenme yardımıyla virüsün hangi bölgede olduğunun işaretlenmesi yapay zeka ile yapıalcaktır.\n\n\n## 🖼️ YoloV5 NEDİR ?\nYoloV5 algoritması nesneleri kutucuk içerisine alarak koordinatlarını ve sınfını döndüren bir nesne tespit algoritmasıdır. Coco dataseti ile eğitilmiştir. Doğruluğunun ve performansının yüksek olması sebebiyle tercih ettim.\n \n\nAşamalar:\n\n✔️ Gerekli dosya yapısını oluştur
\n✔️ Bounding box (kutucukları) yolov5 için uygun formata getir
\n✔️ Hafif bir YoloV5 modeliyle eğitim yap
\n✔️ Sonnuçları incele
\n✔️ Test görüntülerine bak ve görselleştir
","metadata":{}},{"cell_type":"markdown","source":"# ☀️ İmportlar ve kurulum\n\nYoloV5 dosya yapısına göre mimari aşağıdaki gibi olmalıdır. \n\n```\n/parent_folder\n /dataset\n /images\n /labels\n /yolov5\n```\n\n* /temp dizini oluşturacağız
\n* YoloV5 indirilip gerekli bağımlılıklar kurulacak
","metadata":{}},{"cell_type":"code","source":"!pip install wandb","metadata":{"execution":{"iopub.status.busy":"2022-01-06T16:20:42.342170Z","iopub.execute_input":"2022-01-06T16:20:42.342653Z","iopub.status.idle":"2022-01-06T16:20:50.508078Z","shell.execute_reply.started":"2022-01-06T16:20:42.342605Z","shell.execute_reply":"2022-01-06T16:20:50.506745Z"},"trusted":true},"execution_count":null,"outputs":[]},{"cell_type":"code","source":"import wandb\nwandb.login()","metadata":{"execution":{"iopub.status.busy":"2022-01-06T16:20:50.510566Z","iopub.execute_input":"2022-01-06T16:20:50.511024Z","iopub.status.idle":"2022-01-06T16:21:26.629394Z","shell.execute_reply.started":"2022-01-06T16:20:50.510971Z","shell.execute_reply":"2022-01-06T16:21:26.628124Z"},"trusted":true},"execution_count":null,"outputs":[]},{"cell_type":"code","source":"%cd /kaggle\n! mkdir tmp\n%cd tmp","metadata":{"execution":{"iopub.status.busy":"2022-01-06T16:21:26.632401Z","iopub.execute_input":"2022-01-06T16:21:26.632859Z","iopub.status.idle":"2022-01-06T16:21:27.413868Z","shell.execute_reply.started":"2022-01-06T16:21:26.632792Z","shell.execute_reply":"2022-01-06T16:21:27.412569Z"},"trusted":true},"execution_count":null,"outputs":[]},{"cell_type":"code","source":"# YOLOv5 modelini indir\n!git clone https://github.com/ultralytics/yolov5 # clone repo\n%cd yolov5\n# Bağımlılıkların yüklenmesi\n%pip install -qr requirements.txt \n\n%cd ../\nimport torch\nprint(f\"Setup complete. Using torch {torch.__version__} ({torch.cuda.get_device_properties(0).name if torch.cuda.is_available() else 'CPU'})\")","metadata":{"execution":{"iopub.status.busy":"2022-01-06T16:21:27.416473Z","iopub.execute_input":"2022-01-06T16:21:27.416942Z","iopub.status.idle":"2022-01-06T16:21:35.739321Z","shell.execute_reply.started":"2022-01-06T16:21:27.416890Z","shell.execute_reply":"2022-01-06T16:21:35.738119Z"},"trusted":true},"execution_count":null,"outputs":[]},{"cell_type":"code","source":"# kütüphanlerin içe aktarılması\nimport os\nimport gc\nimport cv2\nimport numpy as np\nimport pandas as pd\nfrom tqdm import tqdm\nfrom shutil import copyfile\nimport matplotlib.pyplot as plt\nfrom sklearn.model_selection import train_test_split\n\nfrom IPython.core.magic import register_line_cell_magic\n\n@register_line_cell_magic\ndef writetemplate(line, cell):\n with open(line, 'w') as f:\n f.write(cell.format(**globals()))","metadata":{"execution":{"iopub.status.busy":"2022-01-06T16:21:35.741660Z","iopub.execute_input":"2022-01-06T16:21:35.742158Z","iopub.status.idle":"2022-01-06T16:21:35.751680Z","shell.execute_reply.started":"2022-01-06T16:21:35.742108Z","shell.execute_reply":"2022-01-06T16:21:35.750220Z"},"trusted":true},"execution_count":null,"outputs":[]},{"cell_type":"markdown","source":"### Sabitlerin tanımlanması","metadata":{}},{"cell_type":"code","source":"# eğitim görüntü yolu\nTRAIN_PATH = 'input/siim-covid19-resized-to-256px-jpg/train/'\n# resimlerin gelmesi gerekn boyut\nIMG_SIZE = 256\n# her seferinde çekilecek sayısı\nBATCH_SIZE = 16\n# kaç sefer veriler verilecek\nEPOCHS = 35","metadata":{"execution":{"iopub.status.busy":"2022-01-06T16:21:35.753664Z","iopub.execute_input":"2022-01-06T16:21:35.754211Z","iopub.status.idle":"2022-01-06T16:21:35.765779Z","shell.execute_reply.started":"2022-01-06T16:21:35.754164Z","shell.execute_reply":"2022-01-06T16:21:35.764674Z"},"trusted":true},"execution_count":null,"outputs":[]},{"cell_type":"markdown","source":"## 🔨 Veri Setinin Hazırlanması ¶ \nYoloV5 nesne tepsiti için önemli bölümdür. Dizin yapısı ve bounding box (kare kutu) YoloV5 modelini eğitmek için uygun formatta olmalıdır\n\nBen veri setini yeniden boyutlandırarak kullanıyorum. Resimlerin boyutunu 256x256 formatına getiriyorum.\n\n
    \n
  1. train-validation ( eğitim-doğrulama ) bölmesi
    2. \n
  2. Gerekli /dataset klasör yapısını ve klasörlerdeki görüntüleri yarat
    3. \n
  3. Gerekli /dataset klasör yapısını ve klasörlerdeki görüntüleri yarat
    4. \n
  4. YoloV5 modelini eğitmek için data.yaml dosyasını oluştur
    5. \n
  5. YoloV5 formatı için bounding box (kare kutucukları) yarat
    6. \n\n\n
","metadata":{}},{"cell_type":"code","source":"# Herşey /kaggle dizininden\n%cd ../\n# resimlerin csv formattaki dosyasını al\ndf = pd.read_csv('input/siim-covid19-detection/train_image_level.csv')\n\n# id sütunundaki değerleri değiştir\ndf['id'] = df.apply(lambda row: row.id.split('_')[0], axis=1)\n# Kesin yolu ekle\ndf['path'] = df.apply(lambda row: TRAIN_PATH+row.id+'.jpg', axis=1)\n# Resimlerin image_level değerlerini al\ndf['image_level'] = df.apply(lambda row: row.label.split(' ')[0], axis=1)\n\ndf.head(5)","metadata":{"execution":{"iopub.status.busy":"2022-01-06T16:21:35.767820Z","iopub.execute_input":"2022-01-06T16:21:35.768455Z","iopub.status.idle":"2022-01-06T16:21:36.172676Z","shell.execute_reply.started":"2022-01-06T16:21:35.768410Z","shell.execute_reply":"2022-01-06T16:21:36.170511Z"},"trusted":true},"execution_count":null,"outputs":[]},{"cell_type":"code","source":"# meta.csv dosyasını yükle\n# Orjinal boyutların bounding box formatı için yeniden scale (ölçeklendirilmesi) gerekmektedir\nmeta_df = pd.read_csv('input/siim-covid19-resized-to-256px-jpg/meta.csv')\ntrain_meta_df = meta_df.loc[meta_df.split == 'train']\ntrain_meta_df = train_meta_df.drop('split', axis=1)\ntrain_meta_df.columns = ['id', 'dim0', 'dim1']\n\ntrain_meta_df.head(2)","metadata":{"execution":{"iopub.status.busy":"2022-01-06T16:21:36.174325Z","iopub.execute_input":"2022-01-06T16:21:36.174783Z","iopub.status.idle":"2022-01-06T16:21:36.205293Z","shell.execute_reply.started":"2022-01-06T16:21:36.174737Z","shell.execute_reply":"2022-01-06T16:21:36.204148Z"},"trusted":true},"execution_count":null,"outputs":[]},{"cell_type":"code","source":"# Her iki dataframe'i birleştirme\ndf = df.merge(train_meta_df, on='id',how=\"left\")\ndf.head(2)","metadata":{"execution":{"iopub.status.busy":"2022-01-06T16:21:36.209412Z","iopub.execute_input":"2022-01-06T16:21:36.209736Z","iopub.status.idle":"2022-01-06T16:21:36.236560Z","shell.execute_reply.started":"2022-01-06T16:21:36.209705Z","shell.execute_reply":"2022-01-06T16:21:36.235405Z"},"trusted":true},"execution_count":null,"outputs":[]},{"cell_type":"markdown","source":"### 🍘 Eğitim-doğrulama bölmesi","metadata":{}},{"cell_type":"code","source":"train_df, valid_df = train_test_split(df, test_size=0.2, random_state=42, stratify=df.image_level.values)\n\ntrain_df.loc[:, 'split'] = 'train'\nvalid_df.loc[:, 'split'] = 'valid'\n\ndf = pd.concat([train_df, valid_df]).reset_index(drop=True)","metadata":{"execution":{"iopub.status.busy":"2022-01-06T16:21:36.238889Z","iopub.execute_input":"2022-01-06T16:21:36.239670Z","iopub.status.idle":"2022-01-06T16:21:36.273433Z","shell.execute_reply.started":"2022-01-06T16:21:36.239609Z","shell.execute_reply":"2022-01-06T16:21:36.272144Z"},"trusted":true},"execution_count":null,"outputs":[]},{"cell_type":"code","source":"print(f'Veri seti boyutu: {len(df)}, Eğitim görüntüleri: {len(train_df)}. Doğrulama görüntüleri: {len(valid_df)}')","metadata":{"execution":{"iopub.status.busy":"2022-01-06T16:21:36.275269Z","iopub.execute_input":"2022-01-06T16:21:36.276155Z","iopub.status.idle":"2022-01-06T16:21:36.283824Z","shell.execute_reply.started":"2022-01-06T16:21:36.276084Z","shell.execute_reply":"2022-01-06T16:21:36.282388Z"},"trusted":true},"execution_count":null,"outputs":[]},{"cell_type":"markdown","source":"## 🍚 Prepare Required Folder Structure\nModel için gerekli olan veri seti dosya yapısı aşağıdaki gibidir:\n
\n``` \n/parent_folder\n /dataset\n /images\n /train\n /val\n /labels\n /train\n /val\n /yolov5\n```\n\nYolu covid olarak isimnlendirdim","metadata":{}},{"cell_type":"code","source":"os.makedirs('tmp/covid/images/train', exist_ok=True)\nos.makedirs('tmp/covid/images/valid', exist_ok=True)\n\nos.makedirs('tmp/covid/labels/train', exist_ok=True)\nos.makedirs('tmp/covid/labels/valid', exist_ok=True)\n\n! ls tmp/covid/images","metadata":{"execution":{"iopub.status.busy":"2022-01-06T16:21:36.285766Z","iopub.execute_input":"2022-01-06T16:21:36.286527Z","iopub.status.idle":"2022-01-06T16:21:37.062447Z","shell.execute_reply.started":"2022-01-06T16:21:36.286472Z","shell.execute_reply":"2022-01-06T16:21:37.061199Z"},"trusted":true},"execution_count":null,"outputs":[]},{"cell_type":"markdown","source":"Eğitim ve doğrulama görüntülerini tutacağım klasörleri oluşturdum (train-valid).
\nAynı zamanda etiklleri ve bounding box bbilgilerini tutmak için ayrı bir olark klasör oluşturdum","metadata":{}},{"cell_type":"code","source":"for i in tqdm(range(len(df))):\n row = df.loc[i]\n if row.split == 'train':\n copyfile(row.path, f'tmp/covid/images/train/{row.id}.jpg')\n else:\n copyfile(row.path, f'tmp/covid/images/valid/{row.id}.jpg')","metadata":{"execution":{"iopub.status.busy":"2022-01-06T16:21:37.065681Z","iopub.execute_input":"2022-01-06T16:21:37.066403Z","iopub.status.idle":"2022-01-06T16:21:45.929941Z","shell.execute_reply.started":"2022-01-06T16:21:37.066348Z","shell.execute_reply":"2022-01-06T16:21:45.928706Z"},"trusted":true},"execution_count":null,"outputs":[]},{"cell_type":"markdown","source":"Görüntüleri kopyalayıp yeni dizinlere yapıştırdım","metadata":{}},{"cell_type":"markdown","source":"# Create .YAML file\ndata.yaml, veri seti yapılandırma dosyasıdır.\n1. otomatik indirme için bir \"isteğe bağlı\" indirme komutu/URL'si\n2. eğitim görüntüleri klasörünün yolu (veya eğitim görüntülerinin listesini içeren bir *.txt dosyasının yolu)\n3. doğrulama görüntüleri dizininin yolu (veya doğrulama görüntülerinin listesini içeren bir *.txt dosyasının yolu)\n4. sınıf sayısı\n5. sınıf isimleri listesi","metadata":{}},{"cell_type":"code","source":"#.yaml dosyası oluştur\nimport yaml\n\ndata_yaml = dict(\n train = '../covid/images/train',\n val = '../covid/images/valid',\n nc = 2,\n names = ['none', 'opacity']\n)\n\n# Dosyayı yolov5/data/ klasöründe oluşturma\nwith open('tmp/yolov5/data/data.yaml', 'w') as outfile:\n yaml.dump(data_yaml, outfile, default_flow_style=True)\n \n%cat tmp/yolov5/data/data.yaml","metadata":{"execution":{"iopub.status.busy":"2022-01-06T16:21:45.931719Z","iopub.execute_input":"2022-01-06T16:21:45.932198Z","iopub.status.idle":"2022-01-06T16:21:46.716382Z","shell.execute_reply.started":"2022-01-06T16:21:45.932162Z","shell.execute_reply":"2022-01-06T16:21:46.715003Z"},"trusted":true},"execution_count":null,"outputs":[]},{"cell_type":"markdown","source":"> **YOLOv5 için Koordineli Sınırlama Kutusu Hazırlayın\n\nSınırlayıcı kutuya/kutulara sahip her görüntü için, aşağıda gösterilen biçimde görüntüyle aynı ada sahip bir .txt dosyası oluşturulacaktır:\n1. Nesne başına bir satır\n2. Her satır, sınıf x_center y_center genişlik yükseklik biçimidir.\n3. Kutu koordinatları normalleştirilmiş xywh formatında olmalıdır (0 - 1 arası). x_center ve genişliği görüntü genişliğine ve y_center ve yüksekliği görüntü yüksekliğine bölerek piksel cinsinden kutularla normalleştirebiliriz.\n4. Class numbers are zero-indexed (start from 0).","metadata":{}},{"cell_type":"code","source":"#Etiket sütununun satır değerini ayrıştırarak ham sınırlayıcı kutuyu alın.\ndef get_bbox(row):\n bboxes = []\n bbox = []\n for i, l in enumerate(row.label.split(' ')):\n if (i % 6 == 0) | (i % 6 == 1):\n continue\n bbox.append(float(l))\n if i % 6 == 5:\n bboxes.append(bbox)\n bbox = [] \n \n return bboxes\n \n ","metadata":{"execution":{"iopub.status.busy":"2022-01-06T16:21:46.718677Z","iopub.execute_input":"2022-01-06T16:21:46.719141Z","iopub.status.idle":"2022-01-06T16:21:46.727858Z","shell.execute_reply.started":"2022-01-06T16:21:46.719089Z","shell.execute_reply":"2022-01-06T16:21:46.726459Z"},"trusted":true},"execution_count":null,"outputs":[]},{"cell_type":"code","source":"# Yeniden boyutlandırılan görüntünün boyutuna göre sınırlayıcı kutuları ölçekleyin.\ndef scale_bbox(row, bboxes):\n # Ölçeklendirme faktörünü al\n scale_x = IMG_SIZE/row.dim1\n scale_y = IMG_SIZE/row.dim0\n \n scaled_bboxes = []\n for bbox in bboxes:\n x = int(np.round(bbox[0]*scale_x, 4))\n y = int(np.round(bbox[1]*scale_y, 4))\n x1 = int(np.round(bbox[2]*(scale_x), 4))\n y1= int(np.round(bbox[3]*scale_y, 4))\n\n scaled_bboxes.append([x, y, x1, y1]) # xmin, ymin, xmax, ymax\n \n return scaled_bboxes","metadata":{"execution":{"iopub.status.busy":"2022-01-06T16:21:46.730160Z","iopub.execute_input":"2022-01-06T16:21:46.730910Z","iopub.status.idle":"2022-01-06T16:21:46.740227Z","shell.execute_reply.started":"2022-01-06T16:21:46.730664Z","shell.execute_reply":"2022-01-06T16:21:46.738562Z"},"trusted":true},"execution_count":null,"outputs":[]},{"cell_type":"code","source":"# Sınırlayıcı kutuları YOLO formatında dönüştürün.\ndef get_yolo_format_bbox(img_w, img_h, bboxes):\n yolo_boxes = []\n for bbox in bboxes:\n w = bbox[2] - bbox[0] # xmax - xmin\n h = bbox[3] - bbox[1] # ymax - ymin\n xc = bbox[0] + int(np.round(w/2)) # xmin + width/2\n yc = bbox[1] + int(np.round(h/2)) # ymin + height/2\n \n yolo_boxes.append([xc/img_w, yc/img_h, w/img_w, h/img_h]) # x_center y_center genişlik yüksekliği\n \n return yolo_boxes","metadata":{"execution":{"iopub.status.busy":"2022-01-06T16:21:46.742311Z","iopub.execute_input":"2022-01-06T16:21:46.742821Z","iopub.status.idle":"2022-01-06T16:21:46.751544Z","shell.execute_reply.started":"2022-01-06T16:21:46.742774Z","shell.execute_reply":"2022-01-06T16:21:46.750241Z"},"trusted":true},"execution_count":null,"outputs":[]},{"cell_type":"code","source":"# Sınırlayıcı kutu için txt dosyalarını hazırlayın\nfor i in tqdm(range(len(df))):\n row = df.loc[i]\n # resim kimliğini al\n img_id = row.id\n # Bölünmek\n split = row.split\n # Görüntü düzeyinde etiket alın\n label = row.image_level\n \n if row.split=='train':\n file_name = f'tmp/covid/labels/train/{row.id}.txt'\n else:\n file_name = f'tmp/covid/labels/valid/{row.id}.txt'\n \n \n if label=='opacity':\n # kutuları al\n bboxes = get_bbox(row)\n # Sınırlayıcı kutuları ölçeklendir\n scale_bboxes = scale_bbox(row, bboxes)\n # YOLOv5 formatı\n yolo_bboxes = get_yolo_format_bbox(IMG_SIZE, IMG_SIZE, scale_bboxes)\n \n with open(file_name, 'w') as f:\n for bbox in yolo_bboxes:\n bbox = [1]+bbox\n bbox = [str(i) for i in bbox]\n bbox = ' '.join(bbox)\n f.write(bbox)\n f.write('\\n')","metadata":{"execution":{"iopub.status.busy":"2022-01-06T16:21:46.753668Z","iopub.execute_input":"2022-01-06T16:21:46.754398Z","iopub.status.idle":"2022-01-06T16:21:50.893668Z","shell.execute_reply.started":"2022-01-06T16:21:46.754345Z","shell.execute_reply":"2022-01-06T16:21:50.892439Z"},"trusted":true},"execution_count":null,"outputs":[]},{"cell_type":"markdown","source":"# Eğitim","metadata":{}},{"cell_type":"code","source":"%cd tmp/yolov5/","metadata":{"execution":{"iopub.status.busy":"2022-01-06T16:21:50.895378Z","iopub.execute_input":"2022-01-06T16:21:50.896040Z","iopub.status.idle":"2022-01-06T16:21:50.909354Z","shell.execute_reply.started":"2022-01-06T16:21:50.895987Z","shell.execute_reply":"2022-01-06T16:21:50.907468Z"},"trusted":true},"execution_count":null,"outputs":[]},{"cell_type":"code","source":"!python train.py --img {IMG_SIZE} \\\n --batch {BATCH_SIZE} \\\n --epochs {EPOCHS} \\\n --data data.yaml \\\n --weights yolov5s.pt \\\n --freeze 13","metadata":{"execution":{"iopub.status.busy":"2022-01-06T16:21:50.910881Z","iopub.execute_input":"2022-01-06T16:21:50.911858Z","iopub.status.idle":"2022-01-06T17:11:57.323878Z","shell.execute_reply.started":"2022-01-06T16:21:50.911822Z","shell.execute_reply":"2022-01-06T17:11:57.322529Z"},"trusted":true},"execution_count":null,"outputs":[]},{"cell_type":"markdown","source":"## Test","metadata":{}},{"cell_type":"code","source":"TEST_PATH = '/kaggle/input/siim-covid19-resized-to-256px-jpg/test/' # test resimlerinin olduğu yer","metadata":{"execution":{"iopub.status.busy":"2022-01-06T17:25:55.676248Z","iopub.execute_input":"2022-01-06T17:25:55.676682Z","iopub.status.idle":"2022-01-06T17:25:55.683100Z","shell.execute_reply.started":"2022-01-06T17:25:55.676641Z","shell.execute_reply":"2022-01-06T17:25:55.681650Z"},"trusted":true},"execution_count":null,"outputs":[]},{"cell_type":"code","source":"MODEL_PATH = './runs/train/exp/weights/best.pt' #modelin olduğu yer","metadata":{"execution":{"iopub.status.busy":"2022-01-06T17:26:03.691323Z","iopub.execute_input":"2022-01-06T17:26:03.691717Z","iopub.status.idle":"2022-01-06T17:26:03.696045Z","shell.execute_reply.started":"2022-01-06T17:26:03.691683Z","shell.execute_reply":"2022-01-06T17:26:03.694806Z"},"trusted":true},"execution_count":null,"outputs":[]},{"cell_type":"code","source":"!python detect.py --weights {MODEL_PATH} \\\n --source {TEST_PATH} \\\n --img {IMG_SIZE} \\\n --conf 0.281 \\\n --iou-thres 0.5 \\\n --max-det 3 \\\n --save-txt \\\n --save-conf","metadata":{"execution":{"iopub.status.busy":"2022-01-06T17:26:05.427991Z","iopub.execute_input":"2022-01-06T17:26:05.428426Z","iopub.status.idle":"2022-01-06T17:26:56.539934Z","shell.execute_reply.started":"2022-01-06T17:26:05.428393Z","shell.execute_reply":"2022-01-06T17:26:56.538346Z"},"trusted":true},"execution_count":null,"outputs":[]},{"cell_type":"code","source":"import glob\n#birkaç resmi diziye alma\npaths = []\nfor i in glob.glob(\"./runs/detect/exp2/\"+\"*.jpg\")[200:250]:\n paths.append(i)","metadata":{"execution":{"iopub.status.busy":"2022-01-06T17:29:22.549719Z","iopub.execute_input":"2022-01-06T17:29:22.550119Z","iopub.status.idle":"2022-01-06T17:29:22.563549Z","shell.execute_reply.started":"2022-01-06T17:29:22.550085Z","shell.execute_reply":"2022-01-06T17:29:22.562094Z"},"trusted":true},"execution_count":null,"outputs":[]},{"cell_type":"code","source":"paths","metadata":{"execution":{"iopub.status.busy":"2022-01-06T17:29:23.542915Z","iopub.execute_input":"2022-01-06T17:29:23.543331Z","iopub.status.idle":"2022-01-06T17:29:23.552637Z","shell.execute_reply.started":"2022-01-06T17:29:23.543253Z","shell.execute_reply":"2022-01-06T17:29:23.549751Z"},"trusted":true},"execution_count":null,"outputs":[]},{"cell_type":"markdown","source":"## Test sonuçları","metadata":{}},{"cell_type":"code","source":"plt.figure(figsize=(16,10))\nfor i in range(49):\n plt.subplot(7,7,(i+1))\n plt.imshow(cv2.imread(paths[i]))","metadata":{"execution":{"iopub.status.busy":"2022-01-06T17:30:27.438821Z","iopub.execute_input":"2022-01-06T17:30:27.439430Z","iopub.status.idle":"2022-01-06T17:30:32.574317Z","shell.execute_reply.started":"2022-01-06T17:30:27.439360Z","shell.execute_reply":"2022-01-06T17:30:32.573245Z"},"trusted":true},"execution_count":null,"outputs":[]},{"cell_type":"code","source":"","metadata":{},"execution_count":null,"outputs":[]}]}