Introduction

aws 환경에서 Darknet을 통한 YoloV4를 사용하여 물체를 검출해보도록 하자.

본인의 딥러닝 모델을 filzila로 불러왔다고 가정하자. (드래그 & 드롭 너무 편리하당..git clone도 뭔가의 전송하기위한 추가모듈도 전혀 필요없으니..)
이제 이를 실행시키기 위한 darknet를 설치해줘야 한다. 3줄이 끝이다. 다른 opencv, tensorflow설치 같은 거 필요없다.

git clone https://github.com/AlexeyAB/darknet
cd darknet
make (💥 아래 주의사항 먼저 참고)
make 가 안되면 sudo apt 

💥 만일 GPU를 사용한다고 한다면 darkent make 시에 이를 해주고 make 해주어야한다. 또한 openCV를 미리 깔아줘야한다.

weight 및 cfg 파일은 본인의 모델에 맞게 가져오면 된다.

만약 따로 weight 및 cfg가 적절히 없어 예제 코드를 돌려보고 싶다면 다음 공식 사이트를 참고한다.

https://pjreddie.com/darknet/yolo/

출처
https://codingcrews.github.io/2019/01/15/deeplearning-gpu/
https://webnautes.tistory.com/1482

서버에서 모델을 실행

1. 서버 코드 flask.py
2. yolov4.weight
3. yolov4.cfg
4. 검출수행할 이미지
   가 준비되었다면 서버를 동작시키면 된다.

서버 내 코드에 os.system(./darknet ~~~) 코드를 추가하여 서버가 동작하는 동시에 명령어 입력을 통해 모델을 동작시키도록 하자.

서버에서 실행 시, 주의사항 (No Search File Directory)

./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg 과 같이 yolo모델을 동작시킨다.

하지만 이는 서버에서 darknet를 동작시켜야하므로 Flask서버가 동작중인 CLI창에서는 이러한 모델을 실행시키는 명령어를 입력할 수 없을 것이다.

따라서 Flask 서버 코드(.py) 파일에 os.chdir(home/ubuntu/darknet) os.system( ./darknet ~~)이런식으로 darknet 폴더로 이동 후, darknet을 실행시키도록 코드를 작성한다.

python의 subprocess 모델을 사용해서 이를 수행하려 했지만 ls, pwd와 같은 명령어는 잘 인식하는데 darknet을 실행하려니 계속 No Search File Directory오류가 발생하였다. 연구실에서 랩짱님과 하루종일 연구해보았으나 그 이유는 모르겠다.

아무튼 OS.SYSTEM 을 쓰면 잘 굴러간다.