Opencv를 설치하였으니, YOLO를 설치 해보도록 하겠습니다.
1. Darknet의 YOLO Download
- git clone https://github.com/pjreddie/darknet
2. CUDA또는 Opencv가 설치되어 있다면 사용하기 위해 Makefile을 엽니다.
- 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
cd darknet
make
자 이제 YOLO의 설치는 마무리가 되었습니다. 이제는 사용을 해보겠습니다.
4. YOLO에서 제공하는 학습된 가중치 파일(Weight) 설치
- 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
- ./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
- ./darknet detector demo cfg/coco.data cfg/yolo.cfg yolo.weights <video file>
7. Webcam으로 실행하기
- ./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.
'Deep Learning(YOLO)기반의 Smart Scarecrow' 카테고리의 다른 글
| [6] YOLO 데이터(이미지) 학습 (218) | 2017.12.19 |
|---|---|
| [5] Darknet YOLO분석 YOLO 제대로 알고 사용하자 (2) | 2017.12.18 |
| [3] YOLO설치전 Opencv3.2 설치 (7) | 2017.12.12 |
| [2] 왜 YOLO를 사용하는가? (10) | 2017.12.11 |
| [1] 개발배경 (야생동물로 인한 농작물 피해가 연간100억원 이상??) (0) | 2017.12.11 |
