YOLO를 이용한 물체 탐지(ptyhon)([고등학교 정보과 정보Ⅱ] 교사 연수용 교재)
개시하다
이름처럼 YOLO(You Only Look Once)는 인간처럼 한 번만 봐도 물체를 식별·감지할 수 있는 획기적인 알고리즘이다.
이전의 기법에 비해 처리 속도가 빠르고 물체와 배경에 대한 식별이 강하며 통용되기 쉬운 특징을 가지고 있다.
이번에는 교재 안에서 티니 욜로와 R을 사용해 물체 검측을 하는 곳에서 옐로와 파이썬을 사용해 사진 속 물체 검측을 한다.
교재.
고등학교 정보과 정보Ⅱ 교원 연수용 교재(정편): 문부과학성
제3장 정보 및 데이터 과학 후반부(PDF: 7.6MB)
컨디션
고등학교 정보과 정보Ⅱ 교원 연수용 교재(정편): 문부과학성
제3장 정보 및 데이터 과학 후반부(PDF: 7.6MB)
컨디션
교재에서 언급해야 할 부분
18 텍스트 발굴과 이미지 식별 학습: "3. TinyYOLO를 이용한 물체 검측"
python의 설치 예시와 결과
이번에darknet은github의창고clone(복제),YOLOv3에서중량데이터ylov3를배웠습니다.weights를 사용하여 이미지 식별을 진행하다.
이번에는pytohon의 실시례가 쓰여있지만darknet에서YOLOv3를 이동하기 위해 지령의 집행을 중심으로 인코딩되지 않은 형태로 물체검측을 진행하도록 하겠습니다.!git clone https://github.com/pjreddie/darknet
실행 결과는 다음과 같다.Cloning into 'darknet'...
remote: Enumerating objects: 5913, done.
remote: Total 5913 (delta 0), reused 0 (delta 0), pack-reused 5913
Receiving objects: 100% (5913/5913), 6.34 MiB | 9.93 MiB/s, done.
Resolving deltas: 100% (3918/3918), done.
git clone이기 때문에darknet 디렉터리 아래로 이동해서make를 실행합니다.import os
os.chdir('darknet')
!make
make가 완료되면 YOLOv3의 학습권 중량 데이터 ylov3입니다.weights를 같은 디렉터리에 다운로드합니다.이번에 wget 명령을 사용했습니다.!wget https://pjreddie.com/media/files/yolov3.weights
테마의 YOLO에서 물체 검사를 하고 싶습니다. 이번에는 데이터 디렉터리에 있는giraffe입니다.jpg로 물체를 검측하고 싶습니다.!./darknet detect cfg/yolov3.cfg yolov3.weights data/giraffe.jpg
layer filters size input output
0 conv 32 3 x 3 / 1 608 x 608 x 3 -> 608 x 608 x 32 0.639 BFLOPs
1 conv 64 3 x 3 / 2 608 x 608 x 32 -> 304 x 304 x 64 3.407 BFLOPs
2 conv 32 1 x 1 / 1 304 x 304 x 64 -> 304 x 304 x 32 0.379 BFLOPs
3 conv 64 3 x 3 / 1 304 x 304 x 32 -> 304 x 304 x 64 3.407 BFLOPs
:
103 conv 128 1 x 1 / 1 76 x 76 x 256 -> 76 x 76 x 128 0.379 BFLOPs
104 conv 256 3 x 3 / 1 76 x 76 x 128 -> 76 x 76 x 256 3.407 BFLOPs
105 conv 255 1 x 1 / 1 76 x 76 x 256 -> 76 x 76 x 255 0.754 BFLOPs
106 yolo
Loading weights from yolov3.weights...Done!
data/giraffe.jpg: Predicted in 19.677707 seconds.
giraffe: 98%
zebra: 98%
기린과 얼룩말이 검출되었다.
실제 검출된 이미지를 보세요.from IPython.display import Image
Image("predictions.jpg")
테스트에 성공했습니다.
소스 코드
Reference
이 문제에 관하여(YOLO를 이용한 물체 탐지(ptyhon)([고등학교 정보과 정보Ⅱ] 교사 연수용 교재)), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/ereyester/items/4cd0dc3a449369e7f1f4
텍스트를 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.)
이번에darknet은github의창고clone(복제),YOLOv3에서중량데이터ylov3를배웠습니다.weights를 사용하여 이미지 식별을 진행하다.
이번에는pytohon의 실시례가 쓰여있지만darknet에서YOLOv3를 이동하기 위해 지령의 집행을 중심으로 인코딩되지 않은 형태로 물체검측을 진행하도록 하겠습니다.
!git clone https://github.com/pjreddie/darknet
실행 결과는 다음과 같다.Cloning into 'darknet'...
remote: Enumerating objects: 5913, done.
remote: Total 5913 (delta 0), reused 0 (delta 0), pack-reused 5913
Receiving objects: 100% (5913/5913), 6.34 MiB | 9.93 MiB/s, done.
Resolving deltas: 100% (3918/3918), done.
git clone이기 때문에darknet 디렉터리 아래로 이동해서make를 실행합니다.import os
os.chdir('darknet')
!make
make가 완료되면 YOLOv3의 학습권 중량 데이터 ylov3입니다.weights를 같은 디렉터리에 다운로드합니다.이번에 wget 명령을 사용했습니다.!wget https://pjreddie.com/media/files/yolov3.weights
테마의 YOLO에서 물체 검사를 하고 싶습니다. 이번에는 데이터 디렉터리에 있는giraffe입니다.jpg로 물체를 검측하고 싶습니다.!./darknet detect cfg/yolov3.cfg yolov3.weights data/giraffe.jpg
layer filters size input output
0 conv 32 3 x 3 / 1 608 x 608 x 3 -> 608 x 608 x 32 0.639 BFLOPs
1 conv 64 3 x 3 / 2 608 x 608 x 32 -> 304 x 304 x 64 3.407 BFLOPs
2 conv 32 1 x 1 / 1 304 x 304 x 64 -> 304 x 304 x 32 0.379 BFLOPs
3 conv 64 3 x 3 / 1 304 x 304 x 32 -> 304 x 304 x 64 3.407 BFLOPs
:
103 conv 128 1 x 1 / 1 76 x 76 x 256 -> 76 x 76 x 128 0.379 BFLOPs
104 conv 256 3 x 3 / 1 76 x 76 x 128 -> 76 x 76 x 256 3.407 BFLOPs
105 conv 255 1 x 1 / 1 76 x 76 x 256 -> 76 x 76 x 255 0.754 BFLOPs
106 yolo
Loading weights from yolov3.weights...Done!
data/giraffe.jpg: Predicted in 19.677707 seconds.
giraffe: 98%
zebra: 98%
기린과 얼룩말이 검출되었다.실제 검출된 이미지를 보세요.
from IPython.display import Image
Image("predictions.jpg")
테스트에 성공했습니다.
소스 코드
Reference
이 문제에 관하여(YOLO를 이용한 물체 탐지(ptyhon)([고등학교 정보과 정보Ⅱ] 교사 연수용 교재)), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/ereyester/items/4cd0dc3a449369e7f1f4
텍스트를 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.)
Reference
이 문제에 관하여(YOLO를 이용한 물체 탐지(ptyhon)([고등학교 정보과 정보Ⅱ] 교사 연수용 교재)), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://qiita.com/ereyester/items/4cd0dc3a449369e7f1f4텍스트를 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.)