docs/retrain_model_black_bubbles.md

Hướng dẫn Retrain Model cho Black Speech Bubbles

Tổng quan

Model YOLO hiện tại (model/model.pt) chủ yếu được train trên bóng thoại trắng. Để cải thiện detection cho bóng thoại đen, bạn cần retrain model với dataset bao gồm cả black bubbles.

Bước 1: Chuẩn bị Dataset

1.1 Thu thập ảnh

Cần thu thập các trang manga/manhwa có chứa:

• Bóng thoại trắng (đã có trong dataset hiện tại)
• Bóng thoại đen với chữ trắng
• Bóng thoại có viền (outline)

Nguồn ảnh:

• Manga có dark theme (horror, action)
• Manhwa với các scene tối
• One Piece, Attack on Titan, Tokyo Ghoul (có nhiều black bubbles)

1.2 Annotate dữ liệu

Sử dụng tool annotation như:

• Roboflow (recommend - dễ dùng, export YOLO format)
• LabelImg (free, offline)
• CVAT (online, team collaboration)

Label:

• Class: speech_bubble (giống dataset hiện tại)

Bước 2: Cấu trúc Dataset

dataset/
├── train/
│   ├── images/
│   │   ├── page001.jpg
│   │   └── ...
│   └── labels/
│       ├── page001.txt
│       └── ...
├── valid/
│   ├── images/
│   └── labels/
└── data.yaml

data.yaml:

train: ./train/images
val: ./valid/images
nc: 1
names: ['speech_bubble']

Bước 3: Training

Mở notebook model/model_training.ipynb hoặc chạy:

from ultralytics import YOLO

# Load model hiện tại (transfer learning)
model = YOLO('model/model.pt')

# Train với dataset mới
results = model.train(
    data='dataset/data.yaml',
    epochs=50,
    imgsz=640,
    batch=16,
    patience=10,
    save=True,
    project='runs/train',
    name='black_bubbles'
)

Lưu ý:

• epochs=50: Có thể tăng nếu model chưa converge
• patience=10: Early stopping
• Transfer learning từ model cũ giúp giữ khả năng detect white bubbles

Bước 4: Evaluate và Replace Model

# Evaluate
metrics = model.val()
print(f"mAP50: {metrics.box.map50}")
print(f"mAP50-95: {metrics.box.map}")

# Export model mới
model.export(format='pt')

Copy model mới vào model/model.pt:

cp runs/train/black_bubbles/weights/best.pt model/model.pt

Tips

1. Tỷ lệ dataset:

   • 70% white bubbles + 30% black bubbles
   • Tránh imbalance quá lớn

2. Augmentation:

   • YOLO tự động augment
   • Có thể thêm invert colors để tăng variety

3. Số lượng tối thiểu:

   • 100+ ảnh với black bubbles
   • 500+ annotations

Fallback hiện tại

Trong khi chờ retrain, hệ thống đã có OpenCV fallback để detect black bubbles:

• File: detect_bubbles.py → detect_black_bubbles()
• Detect dựa vào contour và intensity
• Tự động merge với YOLO results