목록머신러닝&딥러닝/🐑yolo (4)

민팽로그

yolov5 커스텀 데이터 라벨링 - makesense.ai 사용법

https://www.makesense.ai/ Make Sense www.makesense.ai 1. 우측 하단의 Get Started 클릭 2. 데이터셋 폴더를 드롭한 후 이어서 활성화되는 Object Detection 버튼 클릭 3. 라벨 만들기 & 라벨링 완료 후 좌측 상단의 Action > Export Annotations 클릭 5. 아래와 같이 체크한 후 Export 클릭 이 과정이 끝나면 라벨링 txt파일들이 들어있는 폴더가 저장됨!
머신러닝&딥러닝/🐑yolo 2021. 8. 10. 12:59
yolov5 커스텀 데이터 학습

라벨링 https://www.makesense.ai/ Make Sense www.makesense.ai 위 사이트에서 라벨링을 진행한 후 yolo 포멧으로 export하여 yolov5 프로젝트의 적절한 경로에 넣어준다. yolo에서는 라벨링을 할 때 사진의 좌측 상단을 (0,0), 우측 하단을 (1,1)로 하여 표시한다. 이미지 폴더와 라벨링 폴더를 작업 프로젝트에 지정 트레인셋과 벨리데이션셋 나누는 과정 학습에 사용할 yaml파일 설정 학습 시작 학습 완료 후 pt파일 얻기 -> 학습된 pt파일을 통해 detect 하기 진행 중 문제 사항 1. 파이참으로 학습을 진행하려 했는데 패키지 버전의 문제인지 오류가 해결되지 않아 colab으로 학습한 후 pt파일만 파이참으로 옮겼다.. 2. train 사진 수..
머신러닝&딥러닝/🐑yolo 2021. 8. 10. 04:45
yolov5를 사용하여 사물 인식해보기

저번에는 윈도우 컴퓨터를 사용하면서..리눅스 명령어를 사용하게 해주는 프로그램을 다운받아가며 darknet yolo를 사용했었다...😥 이번에는 파이썬으로 구현된 프로그램 사용! 귀찮아서 아나콘다, 코랩 등에서 작업하지 않고 사용하지 않고 파이참을 사용하였다. https://github.com/ultralytics/yolov5 GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite. Contribute to ultralytics/yolov5 development by creating an account on GitHub. github.com 일단 위..
머신러닝&딥러닝/🐑yolo 2021. 8. 3. 00:05
window에서 yolov3 사용하기

YOLO: You Only Look Once 실시간 객체 탐지, 인식 모델 중 하나. yolo를 window환경에서 darknet으로 실행하기 참고한 블로그: https://blog.naver.com/angelkim88/221576760182 처음에 그냥 쉽게 따라하려고 블로그를 하나 골라서 yolo 실행을 시도해 보았다. yolo는 darknet 프레임워크 기반인데 이를 위해 리눅스 명령어(make)를 통해 실행파일을 만들어 주어야 하는 것 같다. 이 블로그를 따라하다 보면 이 과정에서 cygwin(시그윈)이라는 프로그램을 사용한다. 마이크로소프트 윈도우에서 POSIX기반 소프트웨어를 구동 및 개발할 수 있는 환경을 제공하는 소프트웨어라고 하는데 용량이 6G 이상으로 매우 크므로 이 방법은 추천하지 않..
머신러닝&딥러닝/🐑yolo 2021. 7. 30. 17:30
Prev 1 Next