yolov5 사용해보기

yolov5 사용해 보기

학습 없이 그대로 활용

 

pip를 이용한 욜로 설치 yolo5 pip install

pip install -qr https://raw.githubusercontent.com/ultralytics/yolov5/master/requirements.txt

 

 

욜로를 활용한 객체 탐지 

아래 그림을 대상으로 객체 탐지를 수행하고자 합니다.

 

위 그림에 대한 코드 예시는 아래와 같습니다.

import torch

# Model
model = torch.hub.load('ultralytics/yolov5', 'yolov5s', pretrained=True)

# Images
imgs = ['https://ultralytics.com/images/zidane.jpg']  # batch of images

# Inference
results = model(imgs)

results.show()

 

위코드 적용 결과는 아래 그림과 같습니다.

 

결과를 담고 있는 results 객체의 pandas 메서드를 이용하여,

객체 추출의 상세 정보를 데이터프레임 형태로 산출 할 수 있습니다.

results.pandas().xyxy[0]  # img1 predictions (pandas)
#      xmin    ymin    xmax   ymax  confidence  class    name
# 0  749.50   43.50  1148.0  704.5    0.874023      0  person
# 1  433.50  433.50   517.5  714.5    0.687988     27     tie
# 2  114.75  195.75  1095.0  708.0    0.624512      0  person
# 3  986.00  304.00  1028.0  420.0    0.286865     27     tie

 

 

 

[출처]

https://pytorch.org/hub/ultralytics_yolov5/

PyTorch

 

만약 학습이 필요하다고 생각하면 아래 링크를 참고해 주세요 !

학습을 위해 모델을 불러오기 위해서 아래 코드를 사용합니다.

classes 옵션을 통해 클래스 개수를 조절 할 수 있습니다.

# 사전학습 파라미터 이용시
model = torch.hub.load('ultralytics/yolov5', 'yolov5s', autoshape=False,  classes=10)  # load pretrained
# 랜덤 파라미터 시작시
model = torch.hub.load('ultralytics/yolov5', 'yolov5s', autoshape=False, pretrained=False,  classes=10)

기타 학습을 위한 더 자세한 활용법은 아래 링크를 참조해 주세요

 

https://github.com/ultralytics/yolov5/wiki/Train-Custom-Data

Train Custom Data

 

 

 

 

기타 욜로 모델 활용방식에 대한 내용은 아래 링크를 참고 해주세요 !

https://docs.ultralytics.com/yolov5/tutorials/pytorch_hub_model_loading/

PyTorch Hub - Ultralytics YOLOv8 Docs