YOLO
1.YOLOX 개발환경 세팅
https://github.com/Megvii-BaseDetection/YOLOXyolox 공식 구현 repo 설치 과정 및 개발환경 세팅.사전에 cuda 및 pytorch 설치가 필요하다.그 외 git repo의 Quick Start 를 따라 설치하면 된다.
2.YOLOX 를 선택한 이유(+간단리뷰)
기존에 사용중이던 yolo v5 model과 비교하여 yolox가 가지는 장점을 서술해보면,yolo v3의 darknet backbone 기반에 몇가지 아이디어를 추가하여 우수한 성능을 보임비슷한 시기(2021년) 발표된 다양한 yolo 시리즈 중 우수한 acc/spe
3.YOLOX 커스텀 학습(1) : ※ yolox 주의 사항
YOLOX에서 공개한 모델은 경량 모델인 nano, tiny와 yolov3(spp)의 백본인 darknet53, s, m, l, x 모델로 구성된다.coco dataset에 대한 mAP 결과를 보면 V100 기준 속도가 비슷한 YOLOX-m 모델과 YOLOX-Darkn
4.YOLOX 커스텀 학습(2)
1\. 비정방형 모델 입력
5.YOLOX : 학습결과 및 마무리
두달 동안 yolox-darknet53, yolox-X 모델까지 조건을 다르게해서 30번정도 훈련을 완료했다.yolox 알고리즘의 jetson xavier 보드 포팅 및 tensorrt 추론, 성능평가 방법, Nvidia Deepstream 포팅과정은포스팅에 다루지 않
6.ultralytics/yolov8 커스텀 학습
어렵지 않다.(1) custom_train 폴더 생성(2) { train 설정 config / yolov8 네트워크 config / dataset config } 복사mkdir custom_traincp ultralytics/cfg/default.yaml custom_
7.yolov10 모델 변환 및 NPU 포팅(1)
https://github.com/THU-MIG/yolov10yolv10 특징(https://docs.ultralytics.com/ko/models/yolov10/unsupported operators:'TopK', 'GatherElements', '