YOLO V5 실습

1. 가상환경 생성

#가상환경 생성
conda create -n yolov5 python=3.8

#가상환경 실행
conda activate yolov5

2. pytorch 설치

 자신의 gpu 세팅(cuda 11.3) 에 맞는 pytorch 버전 설치

( gpu세팅을 아직 안한 상태라면 아래 링크에서 설정먼저 하고 오기)

https://changsroad.tistory.com/342

PyTorch

# CUDA 11.3
conda install pytorch==1.10.0 torchvision==0.11.0 torchaudio==0.10.0 cudatoolkit=11.3 -c pytorch -c conda-forge

3. pytorch cuda 사용가능 여부 확인

conda activate yolov5
python
>>import torch
>>torch.cuda.is_available()

4.  YOLOv5 git clone

GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite

#clone
git clone https://github.com/ultralytics/yolov5

#yolov5 폴더로 이동
cd yolov5

내 컴퓨터(GPU)에 맞는 dependency를 맞추기 위해 yolov5에서 권장하는 requirement.txt 파일을 설치하지 않는다!!

pip instasll requirement.txt

하지말 것!!

5. 데이터 다운로드

Roboflow: Give your software the power to see objects in images and video

원하는 데이터를 YOLO V5 파이 토치 버전으로 설정하여 다운로드

6. 설정 및 학습 추론

위에 생성한 가상 환경, YOLO 폴더에서 새로운 파일을 하나 만든 뒤 아래 코드를 입력

from glob import glob

# TFT는 현재 roboflow에서 다운로드 받은 폴더

img_list = glob('TFT/train/images/*.jpg') # 트레인 이미지 경로
val_img_list = glob('TFT/valid/images/*.jpg') # 테스트 이미지 경로
test_img_list = glob('TFT/test/images/*.jpg') # 테스트 이미지 경로

with open('train.txt', 'w') as f:
	f.write('\n'.join(img_list) + '\n')

with open('valid.txt', 'w') as f:
	f.write('\n'.join(val_img_list) + '\n')
	
with open('test.txt', 'w') as f:
	f.write('\n'.join(test_img_list) + '\n')

 

roboflow에서 다운로드 받은 폴더 안에 있는 data.yaml에서 맨 위 경로를 방금 위의 코드에서 만든 txt파일 3개로 경로를 지정해줌

train: TFT/train.txt
val: TFT/valid.txt
test: TFT/test.txt

다음으로 yolov5 폴더 안에 있는 tutorial.ipynb를 run하면 weight파일이 생성됨

# Train YOLOv5s on COCO128 for 3 epochs
!python train.py --img 640 --batch 16 --epochs 3 --data coco128.yaml --weights yolov5s.pt --cache

파일을 전부 생성한 뒤 아래 코드를 구동하면 custom data로 학습이 시작됨

python train.py --img 504(이미지크) --batch 16 --epochs 50 --data TFT/data.yaml(경로) --weights yolov5m.pt --name tft --cfg ./models/yolov5m.yaml

wandb에 로그인한 뒤 실행하면 학습 과정이 기록

inference( 테스트 파일의 경로에 한글이 포함되면 안되는 것 같음)

python detect.py --weights=runs/train/tft4/weights/best.pt --img 43 --conf 0.5 --source C:/test/images/ --data TFT/data.yaml

7. reference

Yolov5 Custom Dataset 만들기(feat. RoboFlow)

[Detection] Yolov5 custom dataset 학습 및 추론방법