스스로 이미지를 학습하여 물체 인식을 실시 Part1
물체 인식 준비 (환경 구축)
처음 뵙겠습니다. 이번은 1개월간의 물체 검출 학습으로 얻은 것을 정리하고 싶습니다.
먼저 사용하는 도구, 샘플 코드입니다.
거의 이것만 사용합니다.
PC 사양
처음 쓰므로, 그 밖에 무엇의 스펙 쓰면 좋을지 모르기 때문에 투고할 때에 올리면 좋은 것이 있으면 가르쳐 주셨으면 합니다.
우선, 환경 구축을 실시해 갑니다.
yolov5 github
htps : // 기주 b. 이 m / u lt et al. ly cs / yo v5
이 URL에서 소스 코드를 설치합니다.
페이지로 이동하면
이 화면이 표시된다고 생각합니다.
오른쪽 상단의 녹색 "코드"를 클릭하고 "download zip"에서
zip 파일을 다운로드합니다.
다운로드가 완료되면 zip 파일을 확장합니다.
그러면 다음과 같은 것을 할 수 있다고 생각합니다.
여기에서 README.md를 사용합니다.
먼저 자신의 위치를 확인하기 위해 list segments를합니다.
터미널
ls
글쎄, 실제로 다운로드 파일을 어디에 넣어도 괜찮습니다.
터미널
cd Downloads
에서 다운로드 폴더로 이동합니다.
터미널
cd yolov5-master
아마 폴더 이름이 yolov5-master라고 생각하기 때문에 거기로 이동합니다.
그렇다면 README.md에 쓰여진대로 작동합니다.
터미널
pip install -r requirements.txt
설치가 시작됩니다.
pip에서 오류가 발생하면 pip3에서 시도해보십시오.
그런 다음 labelImg를 설치합니다.
labelImg의 github로 날아갑니다.
htps : // 기주 b. 코 m / t 즈타 ぃ / ぁ ぃ
아래로 스크롤하면 셋업 방법이 실려 있습니다.
yolov5와 마찬가지로 codezip을 다운로드합니다.
다운로드가 완료되면 배포합니다.
터미널
cd ..
아까, yolov5-master 디렉토리에 있었기 때문에 이동합니다.
터미널
cd labelImg-master
이동하면 labelImg를 설치합니다.
터미널
brew install qt # Install qt-5.x.x by Homebrew
brew install libxml2
or using pip
pip3 install pyqt5 lxml # Install qt and lxml by pip
make qt5py3
python3 labelImg.py
설치가 시작됩니다.
이 화면이 나오면 성공입니다.
이것으로 제1단계의 환경 구축은 완료입니다.
Part2에서 google colaboratry에 대해 설명합니다.
읽어 주셔서 감사합니다!
Reference
이 문제에 관하여(스스로 이미지를 학습하여 물체 인식을 실시 Part1), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://qiita.com/kojimakentaro/items/f4e52650ef886d511d49텍스트를 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.)