공부하는 펭구

Ultralytics의 YOLOv8은 23년 1월에 출시된 모델이다. YOLOv5를 만든 곳과 동일하다. 그래서 github 와 docs등이 인터넷에 아주 잘 설명이 되어있다. 막연히 최신버전이라고 가장 좋은 성능을 나타내는 것은 아니라고 알고 있다. 상황에 따라서 각자 가진 dataset에 따라서 적합한 모델을 사용하면 될 것 같다. 또한 YOLOv8은 아래와 같이 다양한 Task를 수행할 수 있다. 여기서는 object Detection을 중심으로 다뤄볼 예정이다. 다른 Task도 시간이 나면 다룰 예정이다. 이전 글을 보면 감이 오겠지만 YOLOv5 부터는 custom Train을 하는 방법이 큰 틀에서는 비슷한 것 같다. 파일 디렉터리의 순서, 패키지 버전만 주의하면 될듯하다. 일단 아나나콘다 환..

YOLOv5는 Ultralytics에서 제작되었다. 따라서 실행환경이 YOLOv3, YOLOv4와 달라 졌는데 이번 YOLOv5는 우분투 20.04 LTS, 파이참 가상환경에서 실행하도록 하겠다. 일단 아나나콘다 환경에서 아래의 명령어를 입력해 yolov5 가상환경을 생성하고 가상환경을 실행한다. $ conda create -n yolov5 pyton=3.8 $ conda activate yolov5 가상환경을 만든후 파이참에서 다음과 같이 'vsc에서 받기'를 선택하고 URL : https://github.com/ultralytics/yolov5 을 입력해 git clone을 진행한다. 디렉토리는 사용자가 편한곳으로 설정한다. 프로젝트가 생성이 되었으면 필요한 패키지 설치를 진행하도록 하겠다. YOLO..

YOLOv3 custom dataset을 가지고 훈련을 진행 해보도록 하겠다. 환경은 우분투 20.04 LTS 에서 진행 하도록 하겠다. 사전에 설치해야할 항목들은 1. Nvidia-driver 2. CUDA, CUDNN 3. OpenCV 4. Darknet 이렇게 준비가 되어 있어야 한다. 준비가 완료 되었으면 custom dataset을 준비해 준다. 필자는 YOLO_mark를 이용해 준비를 해둔 상태이므로 이부분은 본 게시물에서는 설명하지 않도록 하겠다. 준비가 되었으면 다음 단계로 진행한다. Darknet 폴더로 이동해 custom_yolov3 폴더를 만들어준다. 아래의 사진처럼 5개의 파일이 있어야 한다. 준비해야할 부분을 하나씩 보도록 하겠다. 1. img 폴더 폴더 내에는 yolo_mark를..