[PyTorch] TorchHub+YOLOv5에서 실시간으로 게임을 인식합니다.
그래서 이번에는 TorchHub의 YOLOv5와 인터넷 카메라로 실시간 식별에 도전하고 싶다!
운영 환경
이번에는 CPU로 해보려고요.
환경을 이용해서 여기서...
우선 YOLOv5 소환
어쨌든 PyTorch에서 위대한 YOLOv5를 호출해 보세요.
홈페이지https://github.com/ultralytics/yolov5에 따르면
$ git clone https://github.com/ultralytics/yolov5
$ cd yolov5
$ pip install -r requirements.txt
환경 조정 후model = torch.hub.load('ultralytics/yolov5', 'yolov5s')
만 불러도 된다yolov5s
.정말?옛날에 YOLO 같은 건 뜻이 만든 모델밖에 없었는데 이걸 어떻게 해!!!이런 기분이지만 시대는 전진했네
그럼 실제로 해보세요.
import torch
model = torch.hub.load('ultralytics/yolov5', 'yolov5s')
오, 정말 움직인다.우선 사용해 보자
여기.의 이미지를 사용하여 검증합니다.
Using cache found in C:\Users\toshi/.cache\torch\hub\ultralytics_yolov5_master
Downloading https://ultralytics.com/assets/Arial.ttf to C:\Users\toshi\AppData\Roaming\Ultralytics\Arial.ttf...
YOLOv5 2021-11-1 torch 1.8.1+cpu CPU
Downloading https://github.com/ultralytics/yolov5/releases/download/v6.0/yolov5s.pt to C:\Users\toshi\.cache\torch\hub\ultralytics_yolov5_master\yolov5s.pt...
100.0%
Fusing layers...
Model Summary: 213 layers, 7225885 parameters, 0 gradients
Adding AutoShape...
네, 공식 창고models
의 반common.py
과 관련이 있는 것 같아요.저기 좀 들여다봐.
함수가 많네요.
Detections
는 다양한 기능을 제공할 수 있는 함수다.매개 변수
img = cv2.imread('./photo0000-6368.jpg')
result = model(img)
print(result)
<models.common.Detections object at 0x0000022FAE025518>
색깔이 이상해요.BGR로 표현해서 그런가?
result.display(pprint=True)
#image 1/1: 485x728 21 persons, 2 backpacks, 1 handbag
이 작업을 수행하면 위의 사진이 저장됩니다.result.display(show=True)
result.display(save=True)
오, 무슨 유용한 데이터가 있는 것 같아.display()
Bbox에서 잘라낸 이미지가 저장됩니다.이게 뭐야?이번에 원하는 건 박스가 찍힌 이미지
save=True
면 충분해, 아마도.그럼 이거 화면 포착이랑 연결해.
result.display(crop=True)
실행합니다!!!!어때요?
CPU인데 거의 실시간으로 작동하지 않나요?이래도 되나!?
GPU가 없어도 그에 상응하는 정밀도로 움직여야 한다!!!
ylov5s와 작은 모형을 사용하여 식별을 했지만 잘 아시죠!(영상으로 포착해서 보여주고 싶은데...)
만약 정말 ylov5x가 된다면 처리 실패의 느낌을 부정할 수 없지만 그래도 CPU로만 조작할 수 있다.
그래서 이번에 YOLOv5를 해봤어요.이제 이 YOLOv5로 뜻불명의 앱을 만들고 싶어요!
Reference
이 문제에 관하여([PyTorch] TorchHub+YOLOv5에서 실시간으로 게임을 인식합니다.), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://zenn.dev/opamp/articles/b4005309740fa6텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)