yolov5 실행하기

앞에서 transfer learning을 통해서 잘되는것을 확인했다. 

요약을 하면 출력이 1000개인 resnet 모델을 이용해서 벌과 개미를 구분하기 위해서  

학습데이터 약 250개 검증데이터 150개 정도를 사용해서 90%이상 구분하는 네트워크를 만들어 보았다.

잘 학습이되었을때는 98%까지 검증데이터에서 되는것을 확인하였다.

---

yolov5는 실행해 보기 엄청 쉽다.

https://github.com/ultralytics/yolov5

사이트에서 git clone해서 다운 받고 

### prerequisite
git clone https://github.com/ultralytics/yolov5 # clone
cd yolov5
pip install -r requirements.txt # install

위 코드 처럼 설치한 후 실행하면 끝이다.

python3 detect.py --weight yolov5s.pt --source https://www.youtube.com/watch?v=la7J3PLAXGg

위 처럼 치면 유투브영상에 박스가 쳐지는것을 확인 할 수 있을 것이다.

상당히 성능이 좋고 다양한 포멧을 잘 지원하는것이 놀랍다.

 

참고로 실행을 하면 결과는 runs 폴더에 저장됨.

 

디버그를 쉽게 하기 위해서 아래 파일을 하나 만들어 놨다.

 

run_yolo_v5.py 파일을 이용하면 디버그를 통한 코드 분석이 쉬워 질것이다.

 

https://github.com/freddiekimN/learning-ai-knowledge/tree/study/yolov5_tutorial

GitHub - freddiekimN/learning-ai-knowledge

---

추가로 conda에 설치하면 더 좋다.

즉 콘다 설치 후 

# 콘다 환경 만든 후

conda create -n yolov5 python=3.7

conda activate yolov5

pip install -r requirements.txt

 

다음은 training 과 evaluation을 하면서 해당 모델의 구조를 파악해볼 생각이다.