YOLOv5를 활용하기 전, YOLOv5를 설치해보고 기본 사용법을 알아보도록 하겠습니다.
YOLOv5 설치
- 구글에 YOLOv5를 검색한 후, 해당 깃허브로 들어갑니다.
깃허브 모습
여기있는 리포지토리를 clone하거나 zip 파일을 다운로드해서 그냥 폴더를 열어도 됩니다.
zip 파일로 다운로드를 하면 yolov5-master라는 압축파일이 있고, 압축을 풀어줍니다.
그 다음 vsCode를 열고 yolov5-master 폴더를 열어줍니다.
이렇게 파일을 열어주고, requirements.txt를 가보면 yolo 모델에 필요한 디펜던시를 확인할 수 있습니다. 여기 있는 모든 데펜던시를 설치해야 yolo모델을 사용할 수 있습니다.
디펜던시 설치
requirements.txt파일의 상단을 보면 설치 가이드가 존재합니다.
pip install -r requirements.txt 그러나 실제 경로를 지정해줘야 하기 때문에
자신의 경로에 맞게 yolov5-master경로로 이동해주시고,
pip install -r .\requirements.txt로 설치를 진행합니다.
설치 후 업데이트 할 것이 있다고 하면 아래와 같이 업그레이드 옵션을 붙혀서 업그레이드를 진행하면 되겠습니다.
여기서 가장 핵심이 되는 파일은 detect.py 입니다. 즉, 실제로 객체 인식을 담당하는 코드입니다.
detect.py
이렇게 detect.py를 들어가면 yolo실행 명령어를 확인할 수 있습니다.
$python detect.py --weights yolov5.pt --source 0파이썬으로 detect.py를 실행할 것이며, yolov5s.pt 모델을 활용할 것이며, source옵션은 0은 웹캠, img.jpg,screen등등 여러 옵션으로 데이터를 넣을 수 있습니다.
실행
한번 웹캠으로 실행 해보겠습니다.
이렇게 디폴트 데이터로 학습된 yolo모델이 학습된 디폴트데이터를 잘 인식하는 것을 확인할 수 있습니다.
만약 유튜브영상속의 객체를 인식하고 싶다면?
위에 제시된 경로로 실행 해보겠습니다.
이렇게 유튜브 영상속 객체들도 잘 인식하는 것을 확인 할 수 있습니다.
이렇게 yolov5모델을 설치해서 한 번 실행해보았습니다. 이제 실제 데이터를 수집하고, 라벨링을 진행하여 커스텀 데이터를 학습시켜서 실제 프로젝트에 적용할 수 있는 학습 모델을 만들어 보도록 하겠습니다.
