YOLO_Start - 8BitsCoding/RobotMentor GitHub Wiki

우선 Yolo v3가 빌드 되어 있는 환경이라 가정한다.

빌드 관련 설정은 여기참조

학습하기

역시 빌드가 다 된 환경이라고 가정

\Yolo_mark\x64\Release 내에서 data폴더로 이동

obj.data - 아래 참조
obj.names - 클래스 이름

를 수정해야하고 img 폴더에 학습을 원하는 이미지를 넣어야한다.

학습을 진행하기위해서 darknet\build\darknet\x64로 들어가서

train_voc.cmd를 조금 수정해야한다.

darknet detector train data/obj.data USVTrain_yolov3_2.cfg darknet53.conv.74

pause

위의 구성이

darknet detector train <obj파일> <cfg파일> darknet53.conv.74

내가 원하는 스타일로 수정해야한다.

실행하기

우선 다크넷의 아래 폴더로 이동

darknet\build\darknet\x64

darknet_yolo_v3_video.cmd를 통해서 데모를 시작한다.

darknet_yolo_v3_video.cmd의 내부는 아래와 같다.

# darknet_yolo_v3_video.cmd 내부
darknet.exe detector demo data/obj.data USVTrain_yolov3_2.cfg USVTrain_yolov3_2_final.weights -i 0 -thresh 0.7 -ext_output 2019.8.1_7.7.13_Record.mp4

pause

위 코드는 개인적으로 수정된 코드고 대략 정리하면 아래와 같다.

darknet.exe detector demo <obj파일> <cfg파일> <wedight파일> -i 0 -thresh 0.7 <동영상파일>

위와 같이 구성하면 실행이 된다.

각 파일이 무엇을 뜻하는지를 설명하면

# obj 파일 내부
classes= 4                  # 클래스 개수
train  = data/train.txt     # 사용할 이미지(학습용)
valid  = data/train.txt     # 사용할 이미지(검증용)
names = data/obj.names      # 각 클래스 이름
backup = backup/            # weight가 저장되는 위치

cfg - yolo 네트워크 구조 파라미터
weight - yolo 학습의 결과
-thresh - 몇 프로 정확도까지 출력할 것인지

동영상파일을 cmd파일과 같은 경로에 두고 실행하면 됨.

YOLO_Start - 8BitsCoding/RobotMentor GitHub Wiki

학습하기

실행하기

⚠️ **GitHub.com Fallback** ⚠️

⚠️ GitHub.com Fallback ⚠️