[AI] yolov5 를 이용한 이미지 탐지

1. 잘 모르면 일단 설치부터...

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

2. 일단 전체 폴더 구조는 이러하다.

3. 눈에 띄는 dataset 폴더...

3-1. data.yaml

경로의 기준은 yolov5 최상위 경로이다.

train: ./dataset/images/train
val: ./dataset/images/train

nc: 1  # 클래스 수
names: ['orange']  # 네가 지정한 클래스 이름

3-2. images/train 폴더

훈련시킬 이미지를 넣는 폴더

3-3. labels/train 폴더

훈련시킬 이미지로 탐지 대상을 선택하여 그 정보를 넣는 폴더

4. 그래서, 이미지는 알겠는데 라벨은 어떻게?

4-1. labelImg

가장 괜찮은 방법인거 같은데 실행이 원만하지 않아 패스.

4-2. Make Sense

• 이미지를 불러온 뒤 특정 영역을 선택하여 탐지할 이름을 지어주면 된다.

• Actions > Export rect annotations
  

4-3. Export 후 압축 해제

이미지파일명.txt 파일이 남는다.

4-4. dataset/labels/train 폴더로 복사

이런 느낌이다.

5. 꼴랑 이미지 2개지만 훈련해보자.

• 이미지의 크기는 320으로 세팅한다
• 배치수는 1
• 반복 횟수는 10번
• 데이터 yaml 파일 경로는 ./dataset/data.yaml
• 결과 파일 저장 생략
• 기존 모델인 yolov5s.pt 을 불러와서 거기서부터 훈련
• 이름은 ver0.1 로 한다.

python train.py --img 320 --batch 1 --epochs 10 --data ./dataset/data.yaml --weights yolov5s.pt --name ver0.1 --nosave

• 10번 반복 후 마무리~
  

옵션	내용
--weights	훈련된 모델 파일 경로(이 옵션을 빼면 처음부터 훈련하게 된다.)
--img	입력 이미지의 크기 (예: 640)
--source	이미지를 넣을 경로 (단일 이미지나 디렉토리 가능)
--conf	최소 신뢰도 (예: 0.25, 너무 낮으면 안되니 적당히)
--save-txt	YOLO 형식의 .txt 라벨 파일로 결과 저장
--save-img	인식 결과가 표시된 이미지를 저장

6. 훈련을 했으면 탐지 돌려봐...

• best.pt 을 불러와서 탐지
• 이미지 크기는 320
• 탐지할 이미지 원본은 orange000.jpg 로 합시다.
• 신뢰도는 0.3 이하로

python detect.py --weights runs/train/ver0.13/weights/best.pt --img 320 --source ./orange000.jpg --conf 0.3 

7. 결과

• run/detect/exp4 폴더에 결과가 저장되었다고 함!
  

• run/detect/exp4/orange001.png 파일
  

8. 다른 라벨로 훈련, 탐지

• 원래 이랬던 이미지를
  

• 말의 머리를 horse, 사람 머리를 human 으로 라벨링 하여 훈련
  

• train_batch0.jpg
  

• train_batch1.jpg
  

• train_batch2.jpg
  

• 탐지 결과 (신뢰도 0.2)
  

Finally

당연한 말이겠지만 데이터가 가장 중요하다. yolo 데이터를 최대한 정교하게 많이 만들어서 반복 학습을 해야 좀더 정확한 결과를 볼 수 있겠다. 뭔가 사람같다. 많이 만들고 반복하고...