참고한 사이트 : https://github.com/heartkilla/yolo-v3#notification-settings
위의 사이트의 내용을 실습이 되도록 다시 쉽게 정리하였습니다.
[쉬움주의] object detection
1. 이론 설명
■ [쉬움주의] object detection 실습 다시 잘되게 총정리
1. 아래의 github 에서 실습파일을 다운로드 받습니다.
https://github.com/heartkilla/yolo-v3#notification-settings
※ 설명: data 폴더에 images 안에 사진 2장을 확인하세요~
점심시간에 거리의 사진을 스마트폰에 담아오세요~
2. load_weights.py: 내려받은 가중치를 신경망에 로드하는 코드
아래의 사이트에서 가중치를 내려받고 weights 폴더에 넣으세요~
https://pjreddie.com/media/files/yolov3.weights
3. detect.py : 신경망 모델이 들어있는 코드이고 사진속에 이미지를 찾아내서 bouding하는 실행 코드
4. yolo 수업을 위한 아나콘다 가상환경을 만든다.
4.1. python 버젼을 확인합니다.
python --version
4.2 텐써플로우 1.4 는 파이썬 3.5 버전에서 가능하므로 파이썬 3.5 버전에 해당하는 가상환경을 만듭니다.
conda create -n snowdeer_yolo python=3.5
4.3 가상환경을 활성화 시킵니다.
activate snowdeer_yolo
4.4 아래의 설치파일들을 설치합니다.
pip install tensorflow==1.4
pip install numpy
pip install Pillow
pip install opencv-python
pip install seaborn
5. 저자가 만든 가중치를 신경망에 로드한다. (압축을 푼 디렉토리로 이동하고 하세요)
python load_weights.py
6. 압축을 푼 폴더 안에 data 폴더에 images 폴더의 사진을 확인하세요!
C:\Users\pc\yolo-v3-master\yolo-v3-master\data\images
아래의 코드를 수행합니다.
python detect.py images 0.5 0.5 data/images/dog.jpg data/images/office.jpg
위의 명령어를 성공하면 다음과 같은 결과 화면이 출력됩니다.
7. detections 폴더에 결과 사진을 확인하세요!
C:\Users\pc\yolo-v3-master\yolo-v3-master\detections
※ 조금 더 공부하기 위한 자료 2개
위의 두개의 스크립트 설명:
1. load_weights.py: 내려받은 가중치를 신경망에 로드하는 코드
2. detect.py : 신경망 모델이 들어있는 코드이고 사진속에 이미지를 찾아내서 bouding하는 실행 코드
https://www.notion.so/Yolo-dc12beea13ac4eb69ad42553f8309604#5b5453d8fd7e4ce5bdf767f3d88612cd
YOLO 이론 정리 링크 :
※ yolo 의 전반적인 흐름과 설명에 관한 내용들.
가장 먼저 이부분을 이해하고 다음으로 넘어가는 것을 추천!
■ 동영상을 object detection 하려면 ?
https://github.com/heartkilla/yolo-v3#notification-settings
위의 사이트의 내용을 쉽게 실습할 수 있도록 정리하였습니다.
1. 먼저 아래의 사이트에서 코덱을 다운로드 받습니다.
2. vidio 폴더에 있는 object detection 할 동영상을 확인합니다
3. 해당 vidio 를 아래의 코드를 이용하여 object detection 합니다.
python detect.py video 0.5 0.5 data/video/shinjuku.mp4