towardsdatascience.com/how-to-train-a-custom-object-detection-model-with-yolo-v5-917e9ce13208
How to Train A Custom Object Detection Model with YOLO v5
In this post, we will walk through how you can train the new YOLO v5 model to recognize your custom objects for your custom use case.
towardsdatascience.com
yolo (you only look once) 는 가장 유명한 데이터 검출기구 중 하나입니다.
DarkNet 이라는 프레임워크를 사용하였으며, 버전이 지날수록 엄청난 성능을 보입니다.
특히 YOLOv5에 이르러서는, pytorch로 구현되어서, 보다 직관적이고 빠른 개발을 할 수 있다고 합니다.
yolov5는 s, m, l, x (small, medium, large, extra-large) 네 가지의 종류가 있는데,
이는 성능과 직접적인연관이 있으며,
더 클수록 좋은 성능을 내지만, 더 많은 리소스를 사용합니다.
그래서 엣지 디바이스같은 곳에서는 small을 많이 사용한다고 합니다.
데스크탑에다가 그래픽 카드 좋은 걸 사용하는것도 좋겠지만,
구글 코랩을 사용하면, 정말 쉽게 사용할 수 있습니다.
colab.research.google.com/drive/1gDZ2xcTOgR39tGGs-EZ6i3RTs16wmzZQ#scrollTo=Knxi2ncxWffW
구글 코랩 링크입니다.
여기서 주피터 노트북을 이용해서 클릭 클릭을 하면 모두 실행할 수 있습니다.
단 한 가지 해야 할 것이 있는데, 데이터를 준비하는 것입니다.
데이터는 roboflow에서 받을 수 있는데,
public.roboflow.com/ 에 들어가서 받을 수 있고,
회원가입을 해야 받을 수 있습니다.
tensorboard를 사용하면 이런식으로 visualization을 할 수 있습니다.
blog.naver.com/angelkim88/221564305011
mAP는 mean Average precision이고, 그 개념에 대해서는 위 블로그에서 볼 수 있습니다.
'Deep Learning > Computer Vision' 카테고리의 다른 글
| Yolov5의 model을 Tx2 engine을 만들어봅시다 (Onnx, netron) (2) | 2022.01.10 |
|---|---|
| labelImg 맥에다 설치하기 (0) | 2021.11.24 |
| mAP란 무엇일까요? (ft. IOU) (0) | 2021.06.03 |
| yolov5를 이용해서 custom data 학습시키기, people training (0) | 2021.05.11 |
| Multi object Tracking(MOT) 과 활용 (0) | 2021.04.29 |