YOLO (3)

Chapter 3 Detection

• 데이터셋 확보
  Aquarium Dataset

• 구글 코랩 환경에서 데이터 셋 저장할 폴더 생성 후 다운로드

!mkdir dataset

!wget Raw URL -O dataset/aquarium.zip

• 데이터 셋 압축 해제

!unzip dataset/aquarium.zip -d dataset/aquarium

• YOLO 설치
• 학습 시작

from ultralytics import YOLO

model = YOLO('yolov8n.pt')
model.train(data='./dataset/aquarium/data.yaml')

• 학습 진행 시 정상적으로 실행되지 않고 error발생하면 data.yaml 파일 내용에 path 추가

• 코랩에서 학습시킨 모델 파일 best.pt 다운 받기
  

• VSCode 환경에서 모델 확인하기(영상으로 확인)

from ultralytics import YOLO

model = YOLO('./best.pt')

model.predict(source='https://youtu.be/W0u-7lgWXpw?si=5bsFsKPh3hi1UaT9', show=True)

Chapter 4 Segmentation

!pip install ultralytics

import ultralytics

ultralytics.checks()

!yolo segment predict model=yolov8n-seg.pt source='https://ultralytics.com/images/bus.jpg'

• 직접 데이터셋 만들어서 학습 진행

• yolo 가상환경에서 필요한 모듈 설치 진행

pip install pyqt5

pip install labelme

• labelme가 정상적으로 설치되지 않을 경우 github에서 다운로드 받고, setup.py파일에서 일부 내용 수정(encoding)

def get_long_description():
    with open("README.md", encoding='utf-8') as f:
        long_description = f.read()

-labelme 실행

• 라벨링 완료 후 cmd 창에서

labelme2yolo --json_dir ./ --val_size 0.15 --test_size 0.15

• 완성된 yolodataset 폴더를 구글 드라이브로 업로드
• 코랩 환경으로 돌아와서 구글 드라이브 마운트

from ultralytics import YOLO

model = YOLO('yolov8n-seg.pt')
model.train(data = '파일 경로/dataset.yaml',
            epochs=100)

• 에러 발생시 dataset.yaml 파일 내 경로 추가

이 글은 제로베이스 데이터 취업 스쿨의 강의 자료 일부를 발췌하여 작성되었습니다