지난 글에서 학습을 했기 때문에 여기서는 detect한 부분만 간단히 적겠다. (지난글 바로가기)

목표

• 위 사진처럼 detect하는 YOLO모델을 실행시켜본다.

기본적인 detect를 하는 코드는 아래와 같다.

from IPython.display import Image
import os

!python /content/drive/MyDrive/yolov5/detect.py --weights /content/carplate_best.pt --source /content/drive/MyDrive/crop_img/temp/same_data_masking

3개의 파일 주소를 넣어야하는데 차례대로 다음과 같다.

• 욜로를 git에서 클론할때 딸려온 detect.py의 위치
• 학습시킨 pt의 위치
• yolo에 넣을 파일들 위치

참고로 학습시킨 pt의 위치는
yolo > train > 학습시킨 모델이름 > weight에 .pt형태로 저장되어있다.

여기에 아래와 같은 옵션을 넣으면 추가로 좌표를 활용한 이미지를 저장할 수 있다. 여러개 넣어도 폴더가 따로 생성되며 전부 저장된다.

--save-text
--save-crop

아래는 코드 예시이다.

from IPython.display import Image
import os

!python /content/drive/MyDrive/yolov5/detect.py --weights /content/carplate_best.pt --source /content/drive/MyDrive/crop_img/temp/same_data_masking --save-crop

from IPython.display import Image
import os

!python /content/drive/MyDrive/yolov5/detect.py --weights /content/carplate_best.pt --source /content/drive/MyDrive/crop_img/temp/same_data_masking --save-text

왼쪽이 yolo 실행 전, 오른쪽이 yolo 실행 후다.

저장된 사진의 위치는 python log 마지막에 나온다.