[4] YOLO설치 및 사용

Opencv를 설치하였으니, YOLO를 설치 해보도록 하겠습니다.

1. Darknet의 YOLO Download

1. git clone https://github.com/pjreddie/darknet

2. CUDA또는 Opencv가 설치되어 있다면 사용하기 위해 Makefile을 엽니다.

1. vi Makefile
   

CUDA를 사용한다면 GPU=1로

opencv를 사용한다면 OPENCV=1로 변경해준다. 

앞서 Opencv를 설치하였으니 1로 바꿔 줍니다. Opencv를 사용함으로써

이미지나 영상내에서 Bounding Box로 물체를 인식할 수 있습니다.

3. Make하기

1. cd darknet

2. make
   

자 이제 YOLO의 설치는 마무리가 되었습니다. 이제는 사용을 해보겠습니다.

4. YOLO에서 제공하는 학습된 가중치 파일(Weight) 설치

1. wget https://pjreddie.com/media/files/yolo.weights

YOLO Darknet에서 제공하는 학습파일을 받았음으로 이제 여러 예제들을 실행해 볼 수 있습니다. 첫 번째로 이미지 실행 두 번째 동영상 실행 세 번째로는 Webcam으로 돌려 보겠습니다.

5. 이미지파일 예제 실행하기

1. ./darknet detect cfg/yolo.cfg yolo.weights data/dog.jpg

다음과 같이 강아지, 자전거, 자동차가 잘 인식되는 것을 확인할 수 있습니다.

TIP으로는 -thresh를 주어 정확도에 따른 인식을 다르게 할 수 있습니다. 예를들어

./darknet detect cfg/yolo.cfg yolo.weights data/dog.jpg -thresh 0.9

다음과 같이 0.9를 주었다면 인식률이 90%이상 이였을 경우에만 Bounding BOX로 인식을 하게 됩니다. 0.6이면 인식률이 60%이상만 된다면 Bounding Box로 표시 합니다.

6. 동영상파일 예제 실행하기

1. ./darknet detector demo cfg/coco.data cfg/yolo.cfg yolo.weights <video file>

7. Webcam으로 실행하기

1. ./darknet detector demo cfg/coco.data cfg/yolo.cfg yolo.weights

본인의 팀원들이 Webcam으로 잘 인식되는 것을 볼 수 있습니다. 옆에 보면 백팩도 인식이 잘 되고 핸드폰도 잘 인식이 되는 것을 확인할 수 있습니다.