Add augmentations

[jonasrenault]

Objectif : modifier les images d'entrainement (data augmentation) pour que l'algorithme apprenne à reconnaitre des véhicules même lorsqu'ils sont loin ou masqués.

• [x] Il y a plusieurs librairies en Python qui permettent de faire des data augmentation : https://www.kaggle.com/code/parulpandey/overview-of-popular-image-augmentation-packages, je propose que nous utilisions Albumentations qui est une des plus populaires
• [x] On peut appliquer plusieurs augmentations. Notamment, je voudrais qu'on teste:
  • [x] Une transformation "scale" pour dézoomer l'image et donner l'impression qu'on voit le véhicule de loin https://albumentations.ai/docs/api_reference/augmentations/geometric/transforms/
  • [x] Une transformation XYMasking, pour masquer des bandes horizontales ou verticales et donner l'impression que le véhicule est caché par un obstacle https://albumentations.ai/docs/api_reference/augmentations/dropout/xy_masking/
  • [x] Une transformation de type Metéo pour donner l'impression qu'il y a de la neige, de la pluie ou du brouillard https://albumentations.ai/docs/examples/example_weather_transforms/

1. Dans un premier temps,
   • [x] Récupère une image de notre dataset avec ses labels (bounding boxes),
   • [x] Applique manuellement les trois transformations précédentes en même temps.
2. Puis,
   • [x] Crée une fonction qui va appliquer ces transformations à toutes les images "train" et "valid" du dataset.
3. Enfin,
   • [x] Entraine le modèle yolo avec ce dataset augmenté.