[YOLO]#3 YOLO를 활용한 객체 탐지 (Custom하기)&구글코랩

이전 시간에 커스텀 데이터들을 학습시켜보는거 까지 해보았습니다.

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

실행하다 중지했음..ㅋ

위 명령어 실행시 대략 6시간 정도 걸린다고 하는데요,, 이 과정이 끝나면 자동으로 구글 코랩에 backup 폴더안에 weights 파일이 휘발성으로 저장된다고 합니다. (휘발성! 이기 때문에 반드시 6시간이나 학습 시켜서 나온 결과물인 weights 파일을 구글 드라이브 나 로컬에 따로 복사를 해두어야 된다는점!! 밑에서 다시 명령어와 함께 설명하겠습니다)

 

저는 그냥 구글링 해서 커스텀 한 weight 파일을 사용하고자 합니다.

만약 실행하게 된다면!  위 실행 결과로 weights 파일이 나오게 되는데 한 파일당 235mb 크기이다.

 

이제 여러개의 weights 파일들의 map(mean average precision) 을 비교해야한다.

이때 알아야하는 개념이 overfitting 이라는 건데 학습을 많이 한다고 해서 무조건 더 좋아지는건 아니다 라는 의미!🙄;

음..그러니까 지나치게 학습을 할 경우 오히려 정확도?가 떨어지는 경우도 있다고 한다.

무조건적으로 많이 학습한다고 좋다고 볼 수 없다고 기억해두자.

 

그렇다면 우리는 어떤 시점에서 overfitting이 발생하는지 찾아주기 위해 각 weights 파일들의 map 을 비교해보아야한다.

학습 실컷 시켜놓고 안 좋은 weights 파일을 사용하는건 좀 아니..니까 ㅎ; [참고로 map 는 수치가 높을수록 좋다]

 

 

 

!./darknet detector map custom/custom_data.data custom/custom-train-yolo.cfg backup/custom-train-yolo_last.weights

 

 

자 이제 학습시킨 weights파일이 들어있는 backup폴더를 저의 구글드라이브 폴더로 넣어 줄겁니다.

if os.path.exists('.backup'):
	!cp -r ./backup "/content/gdrive/MyDrive/darknet"
    
if not os.path.exists('./backup'):
	os.makdirs('./backup')
    !cp -r "/content/gdrive/MyDrive/darknet/backup/custom-train-yolo-final.weights" ./backup

만약 구글코랩 사용시간이 지나 휘발성때문에 back폴더에 있던 파일들이 날아갔다면,

backup폴더를 만들어서 복사시켜둔 구글드라이브에 있는 backup에 weights 파일을 다시 구글코랩의 backup폴더로 복사해서 가져옵니다.

 

!.darknet detector test custom/custom_data.data custom/custom-train-yolo.cfg backup/custom-train-yolo_final.weights data/fruit10.jpg -dont-show
imShow('predictions.jpg')

위 명령어를 통해 커스텀 한 weights 파일을 활용하여 커스텀한 YOLO 로 어떤 객체 탐지 결과를 출력하는지 확인해볼 수 있습니다.