저번에
지난번에 계속해.
이제 YOLOv3 및 GoogleColab을 사용합니다.

Google Colaboratory

고급 머신러닝 환경을 이용할 수 있는 Google Colaboratory에서 YOLO를 폭발적인 속도로 배우도록 했다.
Google 계정을 만들고 G 드라이브를 여십시오.
① 마우스 오른쪽 단추로 클릭하고 응용 프로그램을 통해 열기에서 기타를 선택하고 응용 프로그램 추가를 클릭합니다.
② 검색창에 Colaboratory를 치면 나오니 추가해 주세요.
③ 추가가 완료되면 G판에서 우클릭→기타→Google colaboratory를 선택합니다.
이렇게 하면 콜라보레이터가 일어서면 돼요.

YOLOv3에서 작성한 데이터를 학습하도록 합니다.

잠 못 이루는 밤을 이용한 엔지니어의 YOLOv3 템플릿.

!git clone https://github.com/sleepless-se/keras-yolo3.git
%cd keras-yolo3

keras의 버전을 낮춥니다.

# kerasのバージョンを指定　➜　ランタイムを再起動　➜　バージョン2.2.2が反映する
!pip install tensorflow==1.14.0
!pip install keras==2.2.4

방금 "ano data.zip"을 업로드합니다.

%cd /content/keras-yolo3/VOCDevkit/VOC2007
from google.colab import files
uploaded = files.upload()

해동하다.

%cd /content/keras-yolo3/VOCDevkit/VOC2007
!unzip ano_data.zip

랩벨용 txt 파일 만들기. ※단지 실행할 뿐이다.

%cd /content/keras-yolo3/
!python make_train_files.py

링크된 파일을 생성합니다.

# dog cat の部分は自分のアノテーションしたもので書き換えて行うこと！
!python voc_annotation.py dog cat

YOLOv3 다운로드 가중치

!wget https://pjreddie.com/media/files/yolov3.weights

자전거 타기 좋아요.

!python convert.py -w yolov3.cfg yolov3.weights model_data/yolo_weights.h5

마침내 공부하다.

!python train.py 224

20분이면 끝날 것 같아!
학습이 끝난 후 왼쪽 사이드바에서 파일 탭을 선택합니다.
keras-yolo3→logs→000→trained_weights_final.h5
https://qiita.com/osakasho/items/e689b6e5d49272aa1a6c）
모델을 다운로드하려면 마우스 오른쪽 버튼을 클릭합니다.
로컬에서 사용하거나 저장하고 싶을 때 미리 다운로드하세요.
다음은 잘 할 수 있는지 확인하기 위해 이미지를 올려 테스트를 진행한다.

from google.colab import files
uploaded = files.upload()

테스트 이미지를 업로드합니다.

!python yolo_video.py --image

이렇게 하면 Input image filename:
자신이 업로드한 이미지 파일 이름을 입력하십시오.
그럼 예측 결과가 나올 거예요.

-- 判定結果 --
Found 3 boxes for img
cat 0.40 (245, 304) (700, 520)
cat 0.72 (379, 254) (628, 560)
dog 0.45 (130, 39) (310, 626)
2.5881030810000993

잘 입력한 그림의 이름이 나오면 물체를 잘 검출할 수 있다.
로컬 환경에서 검사하면 이미지 확인을 잘 보일 수 있습니다.