본문 바로가기

카테고리 없음

Yolov5 사용법 정리 (데스크탑, Colab) (3)

개요

- 목적 : 처음으로 학습을 통해 뭔가 해본 결과를 정리하기 위해서 / 다음에 다시 할 때 참고할 수 있도록 정리하기 위해서
- 내용 1. 데스크탑에서 yolov5 데이터 학습하는 방법 정리
- 내용 2. 구글 Colab 활용하여 yolov5 데이터 학습하는 방법 정리

설명 순서

1) 데이터셋 만들기
2) 학습 시키기
3) 학습된 모델을 활용하여 Object Detection 해보기

구글 Colab 활용

1) 일단, 아래 링크에서 Yolov5 를 받는다

* colab 을 통해서 git clone 을 하니까 안되서 따로 다운 받아서 올려주는 것

링크 : https://github.com/ultralytics/yolov5

 

GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite

YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite. Contribute to ultralytics/yolov5 development by creating an account on GitHub.

github.com

 

 

2) Drive 에 새 폴더를 하나 만들고 거기에 업로드 해준다. (나는 tt 라는 폴더 만들고 거기에 yolo 를 업로드 했다.)

 

3) 그리고 datasets 라는 폴더를 만들고, roboflow 에서 다운 받은 데이터를 올렸다.

 - roboflow 에서 다운 받은 데이터 폴더를 열어보면 아래와 같이 되어 있는데 여기서 data.yaml 을 수정해준다. 

 

 - 수정한 후 path 와, train, test, val 경로를 각각 지정해준다. "pad-5" 라고 되어 있는 부분만 상황에 맞게 수정하면 된다. 

path: ../datasets/pad-5
train: train/images
val: valid/images
test: test/images

nc: 1
names: ['pad']

 

4) Colab 에서 노트북도 하나 새로 만든 다음에 아래 코드 실행해서 설치를 해준다. 

from google.colab import drive
drive.mount('/content/drive')
# 내 구글 드라이브로 이동
!cd '/content/drive/MyDrive/tt/'
!pip install -U -r yolov5/requirements.txt

 

5) 학습하는 코드 (여기서도 pad-5 만 상황에 맞는 폴더명으로 바꿔주면 된다.)

yolov5 는 다양한 형태가 있는데 그 중 두 번째로 가벼운 버전이 "s" 이다. epochs 는 30 이상은 되어야 잘 되는 것 같다. 

!python /content/drive/MyDrive/tt/yolov5-master/train.py --img 320 --batch 16 --epochs 50 --data /content/drive/MyDrive/tt/datasets/pad-5/data.yaml --weights yolov5s.pt --cache