[YOLO] Object Detection From Pretrained Model

해당 포스트는 YOLOv3 를 기준으로 작성되었습니다. 참고바랍니다.

YOLOv3 Github

GitHub - ultralytics/yolov3: YOLOv3 in PyTorch > ONNX > CoreML > TFLite

 

YOLOv3 Pretrained

Releases · ultralytics/yolov3

명령어 요약

• --weight : pretrained model에 대한 경로를 입력한다. YOLOv3 Pretrained에서 하단에 pt 파일의 경로를 입력한다.
• --source : detect할 대상이 되는 이미지나 비디오를 지정한다. 경로를 지정할 경우 하위의 이미지나 비디오 전부 detect한다.
• --imgsz : detect 후 출력할 이미지 크기다.
• --conf-thres : confidence score threshold 를 설정할 수 있다. 설정한 threshold값 이상인 객체만 출력한다.
• --iou-thres : predict bounding box와 ground True bounding box가 얼마나 겹쳐있는 정도에 대한 threshold이다.
• --line-thickness : object 주위에 그려지는 상자의 선 굵기를 설정한다.
• --project : 설정한 이름으로 저장된다.
• --exist-ok : 위 설정들로 object detection을 수행한다.

실습 코드

 

YOLOv3 받아오기

In [ ]:

!git clone https://github.com/ultralytics/yolov3.git

내부 패키지 설치

In [ ]:

!cd yolov3; pip install -r /content/yolov3/requirements.txt

Pretrained model 가져오기

In [ ]:

!mkdir /content/yolov3/pretrained

In [ ]:

!wget -O /content/yolov3/pretrained/yolov3-tiny.pt https://github.com/ultralytics/yolov3/releases/download/v9.6.0/yolov3-tiny.pt

Object Detection

명령어 확인¶

In [ ]:

!cd yolov3; python detect.py -h

In [ ]:

!cd yolov3; python detect.py \
--weights '/content/yolov3/pretrained/yolov3-tiny.pt'\
--source '/content/yolov3/data/images'\
--imgsz 640\
--conf-thres 0.5\
--iou-thres 0.4\
--line-thickness 2\
--project 'detect'\
--exist-ok

Detected File Download

In [ ]:

from google.colab import files

In [ ]:

!zip -r /content/detected.zip /content/yolov3/detect/exp

In [ ]:

files.download(filename='/content/detected.zip')

 

실습결과