Paper with Code

• https://paperswithcode.com/

2 Stage vs 1 Stage Detector

• 2 Stage : 성능은 좋지만 속도는 느리다. (일반적)
• 1 Stage : 성능은 안 좋지만 속도는 빠르다.

YOLO

• 1 Stage Detector
• v1 : Input Size 고정
• v2 : FCN 도입으로 Input Size Free
• v3 :
• mAP0.5 : 객체 위치, 추론 위치 IOU가 0.5 이상일 때 제대로 찾았다고 생각
  • 각 클래스에 대해서 계산하는 것이다.
  • IOU가 0.5 이상이면서 그 클래스인 것들 중에서만 Precision을 계산한 것이다.
  • 평가지표 참고 https://sumniya.tistory.com/26

COCO dataset

• 객체 인식, 영역 분할, 포즈 인식 등 데이터가 제공된다.
• https://cocodataset.org/#home

PASCAL VOC dataset

KITTI dataset

• http://www.cvlibs.net/datasets/kitti/
• 자율 주행에 활용할 수 있는 모든 데이터가 제공된다.

RoboFlow

• https://public.roboflow.com/object-detection
• 이미 제공되던 데이터셋을 아카이브에서 제공하고 있다.

YOLO & DarkNet

수정해야되는 config 변수

• filters, classes

variation

• YOLO v5, YOLOR

LabelingImg 설치

python3 -m pip install --upgrade pip
cd ~
git clone https://github.com/tzutalin/labelImg
cd lableImg
sudo apt-get install pyqt5-dev-tools
sudo python3 -m pip install wheel lxml
make qt5py3
python3 labelingImg.py

• annotation 한 이미지를 저장하면 class, bbox 정보가 들어간다.
  • order : class, x, y, w, h

YOLO DarkNet 실습

• nvidia-smi를 통해 GPU 확인 후 compute를 설정해줘야한다.
  • make 파일 수정

DeepStream

• 동영상 추론 최적화

TensorRT

• TF
• PyTorch
• Darknet
• 모델들이 나오면 TensorRT로 최적화 엔진을 통해 빠르게 추론한다.
• x.cu file -> nvidia - cuda 병렬화 C코드
• Jetson inference -> 내부적으로는 이미지 하나 하나당 처리하면서 추론
  • frame 전처리는 CPU, 추론만 GPU
• deepstream은 -> gstream의 플로그인
  • frame 전처리, 추론 전부 GPU
  • 추론과정이 더욱 가속화 된다.

Python inference 문제점 질문

• Queue size 1로 정해져있고,
• frame queue size는 정해져 있지 않아서 frame이 더 빨리들어오는 것들 중 처리되지 못하는 것이 있다. 그래서 빨라 보인다.