[YOLO]#2 YOLO를 활용한 객체 탐지 (Custom하기)&구글코랩

1. 구글 드라이브 마운트

프로젝트 처음 시작은 마운트!

구글 코랩에서 지난 시간 사용했던 content/gdrive 폴더를 인식시켜주는 작업을 해준다.

from google.colab import drive
drive.mount('/content/gdrive')

!ls -la "/content/gdrive/My Drive/darknet"

ls 는 경로의 디렉터리or 파일의 리스트 출력

a 옵션: all의 줄임말로 모든 파일형식을 출력합니다.

l 옵션: long 의 줄임말로, 파일 출력 형식을 긴 목록 형식으로 출력한다.

2.cuDNN

다음으로 우리가 해줄건 cuda 관련 모듈인 cuDNN 을

구글드라이브에서 colab에 usr/local/cuda 폴더로 cuDNN의 압축을 푸는 것입니다.

!tar -xzvf /content/gdrive/My\ Drive/darknet/cuDNN/cudnn-11.2-linux-x64-v8.1.1.33.tgz -C /usr/local/
!chmod a+r /usr/local/cuda/include/cudnn.h

!cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

 

왜냐하면 Cuda 환경을  이미 구글 코랩에서 제공해주기 때문에 그에 맞는 버전의 cuDNN을 설치하여 우리는 넣어주면 되기때문이다.

3. darknet 적재(생성)

import os
if not os.path.exists('darknet'):
    os.makedirs('darknet')
%cd darknet
%ls

darknet 폴더를 만들어주고(mkdirs) darknet 폴더로 이동한다. [현재 위치는 darknet]

위 명령어 결과

 

!ls -la '/content/gdrive/My Drive/darknet/bin/darknet'

!cp /content/gdrive/My\ Drive/darknet/bin/darknet ./darknet

!chmod +x ./darknet

구글 드라이브에 darknet 파일을  content/ darknet 폴더 아래에 복사해준다.

그리고 권한 설정해줌.

!cp -r '/content/gdrive/My Drive/darknet/weights' .
!cp -r '/content/gdrive/My Drive/darknet/cfg' .
!cp -ar '/content/gdrive/My Drive/darknet/data' .
%ls

그 후 ,, 구글드라이브에 있는 weights 와 cfg , data 를  .(현재위치:content / darknet 폴더) 

로 복사해서 붙여줌.

그리고 ls 명령어를 통해서 잘 복사해서 가져왔는지 확인해보면 

cfg, data, weights 폴더가 생성되었음을 확인 할 수 있다.😁

 

 

def imShow(path):
  import cv2
  import matplotlib.pyplot as plt
  %matplotlib inline

  image = cv2.imread(path)
  height, width = image.shape[:2]
  resized_image = cv2.resize(image,(3*width, 3*height), interpolation = cv2.INTER_CUBIC)

  fig = plt.gcf()
  fig.set_size_inches(18, 10)
  plt.axis("off")
  #plt.rcParams['figure.figsize'] = [10, 5]
  plt.imshow(cv2.cvtColor(resized_image, cv2.COLOR_BGR2RGB))
  plt.show()
  
  
def upload():
  from google.colab import files
  uploaded = files.upload() 
  for name, data in uploaded.items():
    with open(name, 'wb') as f:
      f.write(data)
      print ('saved file', name)
def download(path):
  from google.colab import files
  files.download(path)

위 imshow 함수 코드를 통해 예시파일을 실행시켜보기 위해 코드 실행을 통하여 함수 선언해주고,,

!./darknet detect cfg/yolov3.cfg weights/yolov3.weights data/fruit10.jpg
imShow('predictions.jpg')

 

fruit10.jpg

실행시켜보면 fruit10.jpg 사진 파일이 아래와 같이 객체 탐지 되었음을 확인 할 수 있다.

fruit10.jpg

---

4. Custom YOLO

이제 이를 응용해서 custom 하여 YOLO를 실행시켜보겠습니다.

 

!cp -r "/content/gdrive/My Drive/darknet/custom" .

구글드라이브 에 custom 폴더의 내용들을 현재 위치(content/darknet)에 복사해서 가져오는 명령어이다.

왜 복사하냐?? 우리가 지금 할게 yolo에서 지원해주는 weights? 가 아닌 우리가 직접 만든 weights 를 가지고 실행시켜보기 위해서 이다. 그렇기에 구글드라이브에 업로드 해둔 파일들을 yolo 실행환경인 darknet폴더로 복사해서 붙여넣는 과정이다.

 

!./darknet detector train custom/custom_data.data custom/custom-train-yolo.cfg weights/darknet53.conv.74 -dont_show

이제 위 명령어를 통해 커스텀화 시킨 데이터를 학습시켜보자.

명령어에 train이 있다는 것만 봐도 학습시킨다는 것을 대충 눈치 챌 수 있다.

 

darknet 폴더안에 방금전 복사해서 가져온 custom 폴더안에 custom_data.data 파일과 custom-train-yolo.cfg파일

그리고 weights 폴더안에 darknet53.conv.74 를 이용해서 train 시키는것 같다.

 

만약 위 명령어를 실행시켰는데 아래와 같은 오류가 뜬다면 아래 포스트 글 참고!

문제 해결 포스트: https://couchcoding.tistory.com/326

Couldn't open file: ./content/gdrive/My\Drive/darknet/custom/train.txt