YOLO

YOLO Usage on Windows

• 컴파일, Linux에서의 사용법은 다루지 않았습니다.
• AlexeyAB의 darknet을 참고하여 작성했습니다.
• 순서를 실제로 사용하면서 보게 되는 순서대로 바꿨습니다.
• 최근 수정 : 2019년 4월 2일

Pre-trained models Download

• https://github.com/AlexeyAB/darknet#pre-trained-models
• 다운 받은 뒤 darknet.exe와 같은 디렉토리에 저장한다.

How to Train

• 쓰려고 하는 cfg 파일을 수정한다.
  • batch=64
  • subdivision=8
  • height와 width는 32의 배수로 크면 클수록 정확도가 높다.
  • classes=을 검색해서 자신의 class 갯수로 수정한다.
  • classes=을 검색했을 때, 위에 나오는 filters= 역시 수정해야하는데, 그 값은 (classes+5)*3이다.
  • 다른 해상도에 대한 정확도를 높이려면 파일의 맨아래 random=1로 수정한다.
  • Small Object(416*416으로 Resizing 했을때 16*16보다 작은 경우)라면 Line #720에 layers = -1, 11, Line #717에 stride=4로 수정한다.
  • anchors=를 수정한다.
    • anchors 계산 : darknet.exe detector calc_anchors data/obj.data -num_of_clusters 9 -width 416 -height 416
  • 좌우 구별 감지를 원하면 Line #17 flip=0을 입력한다.

• data 파일을 만들어야 한다.

  classes = 3 train = EXAMPLE1/train.txt valid = EXAMPLE1/test.txt names = EXAMPLE1/obj.names backup = EXAMPLE1/backup/ # 중간 weights를 저장하는 경로

• names 파일을 만들어야한다.

  • class 0, 1, 2 ... 이름을 적는다bird dog cat

 

 

• Training 및 Testing 시에 쓸 이미지 파일을 build\darknet\x64\EXAMPLE1에 저장한다.

  • 물론 이 이미지들은 Bounding Box처리가 되어 있어야한다.
  • 다음 링크에서 marking을 하는 툴을 받을 수 있다. Box 작업에는 큰 인내와 끈기가 필요하다.
    • https://github.com/AlexeyAB/Yolo_mark

• 이미지 리스트의 상대 경로가 적혀있는 txt 파일을 생성해야한다.

  • 이미지가 3개이고 경로가 darknet.exe가 있는 디렉토리에 있는 EXAMPLE1에 있는 경우 train.txt가 아래와 같은 내용이여야한다.

    EXAMPLE/img1.jpg EXAMPLE/img2.jpg EXAMPLE/img3.jpg

• darknet.exe detector train .data .cfg .weights로 Training 시킬 수 있다.

  • Training 시에 Loss-Window를 띄우지 않으려면 -dont_show 옵션을 설정하면 된다.

• Training 후에는 아래 명령어로 어느 weights가 어느 정도의 성능을 보이는지 확인할 수 있다.

  darknet.exe detector map .data .cfg .weights

• mAP-chart

  • darknet.exe detector train .data .cfg .weights -map

Usage (After Training)

• https://github.com/AlexeyAB/darknet#how-to-use-on-the-command-line
• cfg 파일에서 height와 width를 늘린다.(608 or 832: 32의 배수로)
  • Out of memory 오류가 난다면 subdivision을 16, 32, 64 등으로 증가시킨다.

• Image : darknet.exe detector test .data .cfg .weights -thresh THRESH OPTION
  • OPTION
    • Output coordinates : -ext_output
    • Use GPU 1 : -i 1
    • List of Image에 대한 결과 저장 : -thresh 0.25 -dont_show -save_labels < list.txt
• Video : darknet.exe detector demo .data .cfg .weights .videofile OPTION
  • OPTION
    • WebCam 0 : -c 0
    • Net-videocam : http://192.168.0.80:8080/video?dummy=param.mjpg
    • Save result : -out_filename OUT.videofile
• Check accuracy mAP@IoU=75 : darknet.exe detector map .data .cfg .weights -iou_thresh 0.75

Using Android smartphone(Network Video-Camera)

1. 어플 다운로드

• 스마트웹캠 다운로드 링크
• IP Webcam 다운로드 링크

1. WiFi 혹은 USB로 컴퓨터와 스마트폰 연결
2. 어플 실행
3. darknet.exe detector demo .data .cfg .weights http://192.168.0.80:8080/video?dummy=param.mjpg -i 0으로 실행

YOLO in other frameworks

• https://github.com/AlexeyAB/darknet#yolo-v3-in-other-frameworks

출처: https://murra.tistory.com/115 [Murra Blog]

참고 URL

https://www.youtube.com/watch?v=WeiIppt-Xtw

https://github.com/AlturosDestinations/Alturos.Yolo

https://github.com/died/YOLO3-With-OpenCvSharp4

https://github.com/topics/yolov3?l=c%23