YOLOv5 무작정 돌리기

https://github.com/ultralytics/yolov5

GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite

 

GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite

 

아래는 모델을 학습시키기 위해 직접 돌린 코드이다

 

- (모델 학습을 위한 준비) 데이터셋 경로 설정

cd aiffel

mkdir yolov5
cd yolov5

 

- 클라우드 서버의 yolov5 폴더에 다운받은 zip 파일을 올린다. (주피터 노트북)

unzip yolov5-master.zip

mkdir datasets

- git clone을 한다. (구글 코랩)

!git clone https://github.com/ultralytics/yolov5

 

- 필요한 라이브러리 패키지를 설치한다.

!cd yolov5;pip install -qr requirements.txt

- 모델을 돌려보자!

!cd /content/yolov5; python train.py --img 640 --batch 16 --epochs 70 --data /content/drive/MyDrive/aiffel_hackathon/trainNvalid/book_spine.yaml --weights yolov5m.pt \
                                     --project=/content/drive/MyDrive/aiffel_hackathon/model --name epoch70_batch16 --exist-ok

 

-- data : yaml 파일 경로

-- project : 파일 저장할 경로

-- weights : 가중치 경로이나, yolo에서 기본적으로 제공하는 가중치 사용가능

-- projects : 결과를 저장할 프로젝트 경로이다.

-- name : 저장할 프로젝트 이름

 

def parse_opt():
    parser = argparse.ArgumentParser()
    parser.add_argument('--weights', nargs='+', type=str, default=ROOT / 'yolov5s.pt', help='model path(s)')
    parser.add_argument('--source', type=str, default=ROOT / 'data/images', help='file/dir/URL/glob, 0 for webcam')
    parser.add_argument('--data', type=str, default=ROOT / 'data/coco128.yaml', help='(optional) dataset.yaml path')
    parser.add_argument('--imgsz', '--img', '--img-size', nargs='+', type=int, default=[640], help='inference size h,w')
    parser.add_argument('--conf-thres', type=float, default=0.25, help='confidence threshold')
    parser.add_argument('--iou-thres', type=float, default=0.45, help='NMS IoU threshold')
    parser.add_argument('--max-det', type=int, default=1000, help='maximum detections per image')
    parser.add_argument('--device', default='', help='cuda device, i.e. 0 or 0,1,2,3 or cpu')
    parser.add_argument('--view-img', action='store_true', help='show results')
    parser.add_argument('--save-txt', action='store_true', help='save results to *.txt')
    parser.add_argument('--save-conf', action='store_true', help='save confidences in --save-txt labels')
    parser.add_argument('--save-crop', action='store_true', help='save cropped prediction boxes')
    parser.add_argument('--nosave', action='store_true', help='do not save images/videos')
    parser.add_argument('--classes', nargs='+', type=int, help='filter by class: --classes 0, or --classes 0 2 3')
    parser.add_argument('--agnostic-nms', action='store_true', help='class-agnostic NMS')
    parser.add_argument('--augment', action='store_true', help='augmented inference')
    parser.add_argument('--visualize', action='store_true', help='visualize features')
    parser.add_argument('--update', action='store_true', help='update all models')
    parser.add_argument('--project', default=ROOT / 'runs/detect', help='save results to project/name')
    parser.add_argument('--name', default='exp', help='save results to project/name')
    parser.add_argument('--exist-ok', action='store_true', help='existing project/name ok, do not increment')
    parser.add_argument('--line-thickness', default=3, type=int, help='bounding box thickness (pixels)')
    parser.add_argument('--hide-labels', default=False, action='store_true', help='hide labels')
    parser.add_argument('--hide-conf', default=False, action='store_true', help='hide confidences')
    parser.add_argument('--half', action='store_true', help='use FP16 half-precision inference')
    parser.add_argument('--dnn', action='store_true', help='use OpenCV DNN for ONNX inference')
    opt = parser.parse_args()
    opt.imgsz *= 2 if len(opt.imgsz) == 1 else 1  # expand
    print_args(FILE.stem, opt)
    return opt

 

위와 같은 다양한 옵션을 적용하면 원본 코드 수정 없이 활용 가능하다.

 

 

---

Object Detection의 다양한 평가지표 : 

https://fuxxy.tistory.com/22

Object Detection의 평가지표