YOLO V3 example

• 데이터는 roboflow 사용
• 최종결과 확인 및 정리

• 사용할 데이터셋 세포 데이터셋

 

Yolo v3 가져오기

!git clone https://github.com/ultralytics/yolov3  # clone
%cd yolov3
%pip install -qr requirements.txt  # install

import torch
from yolov3 import utils
display = utils.notebook_init()  # checks

>> YOLOv3 🚀 v9.6.0-21-g92c3bd7 torch 1.12.0+cu113 CUDA:0 (Tesla P100-PCIE-16GB, 16281MiB) Setup complete ✅

• yolo v3 종속성 패키지 설치

%pip install -qr requirements.txt  

 

데이터셋 다운

• roboflow 데이터셋 format yolov5 와 같은걸로 설정

import os
os.mkdir('new_data')
os.chdir('new_data')

!curl -L "https://public.roboflow.com/ds/LiqNCw2nxu?key=JGcsrO8gpA" > roboflow.zip; unzip roboflow.zip; rm roboflow.zip

 

yaml 파일 확인

os.getcwd()

>> '/content/yolov3/new_data'

 

import yaml

with open('data.yaml') as f:
  yaml_data = yaml.load(f, Loader=yaml.FullLoader)

yaml_data['train'] = './new_data/train/images'
yaml_data['val'] = './new_data/valid/images'

with open('data.yaml', 'w') as f:
  yaml.dump(yaml_data, f)

os.chdir('..')

 

모델 훈련

• 모델은 선택해서 깊은걸 사용 할 수도 있음

!python train.py --img 640 --batch 16 --epochs 30 --data ./new_data/data.yaml --weights yolov3-tiny.pt --cache

 

TEST 수행

• 저장된 가중치 경로, test 이미지셋 경로

os.getcwd()

>> '/content/yolov3'

!python ./detect.py --weights ./runs/train/exp/weights/best.pt --img 640 --conf 0.25 --line-thickness 1 --source ./new_data/test/images 

 

Yolo v3 모델 결과 확인

from glob import glob 
import cv2
from google.colab.patches import cv2_imshow

data_list = glob('./runs/detect/exp/*.jpg')
for i in data_list[:10]:
  src = cv2.imread(i)

  cv2_imshow(src)