블로그 이미지
pgmr이상현
Instagram:sh_lee77 머신비전, YOLO, 영상처리, Deep Learning, 딥러닝

calendar

1 2
3 4 5 6 7 8 9
10 11 12 13 14 15 16
17 18 19 20 21 22 23
24 25 26 27 28 29 30
31

Notice


이번 포스팅에서는 YOLO의 구성 즉, YOLO 분석에 관한 포스팅을 하겠습니다.


1. YOLO


YOLO 페이지 - 앞 포스팅에서 링크를 걸었지만 다시 한번 링크 걸겠습니다. 


YOLO githubYOLO설치없이 YOLO source code를 확인할 수 있습니다.



Darknet 디렉토리 구조


2. cfg


cfg디렉토리를 열어보면 여러 cfg파일들을 확일할 수 있습니다.

Darknet Framework는 cfg파일의 변경 혹은 변형을 통해서, 본인만의 모델을 만들어 데이터 학습을 시킬 수 있습니다.

예를 들어 yolo-obj.cfg 파일 안의 내용인데 이 안에서 batch size라든가 classification을 몇 개를 할 것인가에 따른 class수를 변경시킬 수 있습니다.


3. data


data디렉토리는 Real Time Detection시에 Bounding Box를 그릴때 필요한 Label들의 폰트와 Label list, Test Image들이 있습니다. 

YOLO를 test할때는기본적으로 있는 data set으로 coco.data를 사용하는데, coco.data에는 어떻게 Labeling이 되어 있는지 coco.names를 열어봄으로써 확인해 보겠습니다.

화면상으로 다는 캡쳐가 안됐지만 세어보니 80개의 Label을 확인할 수 있었습니다. 이것으로 봐서 YOLO의 기본 data set은 80개의 classification이 가능하다는 것을 확인할 수 있습니다.


4. src


src디렉토리는 말그대로 source디렉토리입니다. YOLO사용에 꼭 필요한 C코드 또는 헤더파일들이 있습니다. 예를 들어보면 image.c파일은 YOLO로 Detection을 할때, Object에 그려지는 Bounding Box를 어디에 그릴지에 관한 Top, Bottom, Left, Right좌표에 대한 코드들이 있고 또 그 곳에 Bounding Box를 그려라라는 코드가 있습니다.

  

5. Makefile


마지막으로 Makefile인데 Makefile은 주로 GPU, CUDENN, OPENCV, OPENMP, DEBUG를 사용할 것인가에 관한 정보를 다루고 있습니다.

이번 포스팅은 Darknet YOLO에 관한 분석이였습니다. 다음 포스팅은 Darknet YOLO데이터학습에 관한 포스팅을 하겠습니다.

posted by pgmr이상현