You Only Look Once (YOLO) 의 특징
- 대표적인 One-Stage Detector로써 빠르고 정확한 Object Detection Model이다.
- 실시간 물체/객체 탐지가 가능하다.
YOLOv1
- "One-Stage Detector"를 사용하여 실시간 탐지 가능,
- One-Stage Detector 구현을 위해 Loss Function에서 바운딩 박스의 크기, 위치, Class 종류까지 학습.
YOLOv2
- v1에 마지막에 들어가는 FC Layer대신 앵커박스 개념 도입 -> 바운딩 박스의 위치 정보를 살리기 위함
- 416으로 이미지 크기를 늘려 작은 물체도 감지하기 쉽게 (224 -> 416),
- BatchNormalization, Skip-connection 등 추가
YOLOv3
- 3개의 feature map과 더욱 많은 수의 모델 파라미터 (53 layer) v2에 비해 큰 차이 없음.
YOLOv4
- CSPNet 기반의 backbone과 neck, head에 대해 구조 변화, Bag of freebies, Data Augmentation 등 여러가지
YOLOv5
- v4에서 backbone을 EfficientNet으로 변경. mAP는 비슷하나 더욱 가볍고 빠름. (pytorch로 구현, v4는 Darknet)
❗️ YOLO 모델을 학습시키기 위해서는 Image데이터와 해당 img의 Label데이터가 필요하다. 하지만 Custom Data로 프로젝트를 진행할 때 Label데이터가 없는 경우가 흔하다. 이때 라벨링 툴인 LabelImg을 사용하여 YOLO 모델을 학습시킬 데이터를 준비할 수 있다.
LabelImg 사용법
설치 방법
(1) 아래 링크에서 파일 다운로드
https://github.com/HumanSignal/labelImg
(2) 다운이 완료되면 cmd 창을 열어 해당 폴더 디렉토리로 이동
(3) pyqt 다운로드
pip install pyqt5
(4) lxml 다운로드
pip install lxml
(5) pyrcc5 명령어 입력
pyrcc5 -o libs/resources.py resources.qrc
(6) labelimg 실행
python labelImg.py
실행 방법
(1) Open Dir을 클릭하여 라벨링 할 이미지가 있는 디렉토리 선택
(2) LabelImg 폴더 -> data -> predefined_class.txt에서 라벨 클래스 지정. 파일 저장 후 프로그램 재시작.
(3) View -> Auto Save mode 선택하여 자동 저장
(4) Change Save Dir에서 라벨 데이터 저장할 위치 설정
(5) 사이드바에서 YOLO로 변경(Save 아래)
(6) 단축키 이용
w : 라벨링 범위 지정
d : 다음 이미지로 이동
a : 이전 이미지로 이동
