yolov5 데이터형식 맞춰주기

yolo의 데이터형식

  • yolo는 데이터 형식이 (x_center, y_center, w,h)로 되어있다.
  • 기존에 알고있는 (x_min,y_min,w,h)와 다른 모습인것을 유의합시다.

yolov5의 폴더 구조

  • yolov5에 custom 데이터를 이용하기위해서는 폴더 구조를 맞춰줘야 한다.
  • 폴더구조
    • data
      • images
        • train - .jpg파일들이들어간다.
        • val
      • labels
        • train - .txt파일이 들어간다.
        • val
  • 폴더가 images와 labels로 나뉜것을 볼 수 있다.
  • images와 labels는 서로 같은 이름의 파일명을 가지며 서로 쌍이된다.
    • images/train/image1.jpg
    • labels/train/image1.txt
  • labels폴더에는 쌍이되는 이미지의 카테고리 아이디 ,bbox(x_center,y_center,w,h)가 저장해야한다.
    • 들어가는 좌표는 normalize되어야한다.
    • ex) 이미지 크기512기준일때, x_center가 30일때 30/512가 들어가야한다.
    • ex) 0 0.1 0.2 0.4 0.2

yolov5의 불러오는 방식

  • yolov5는 data/폴더 내에 .yaml형식으로 데이터의 위치, 클래스 갯수, 클래스 라벨을 지정해줘야한다.
  •   # 예시
  train: /input/data/images/train # train폴더 위치
  val: /input/data/images/val # validation폴더 위치

  nc: 11 # 클래스갯수

  names: ["UNKNOWN","General trash","Paper","Paper pack","Metal","Glass", "Plastic","Styrofoam","Plastic bag","Battery","Clothing"] # 클래스 라벨들

pretrain 가져오기

  • bash weights/download_weights.sh실행

학습진행

  • train.py파일 실행
    • python train.py --img-size 512 --batch-size 32 --epochs 100 --data bcai.yaml --weights yolov5x.pt
    • 이미지크기 512, 배치 32, epoch 100
    • bcai.yaml(위에서 만든 yaml, data폴더에 넣으면 알아서 인식)
    • weight는 원하는 pretrain모델 가져온다.

학습결과 확인

  • detect.py실행
    • python detect.py --img-size 512 --source /opt/ml/input/data/images/test --weights runs/train/exp/weights/best.pt --save-txt --save-conf
    • 이미지 사이즈 512
    • source는 test이미지 불러오기
    • weight는 학습한 모델 경로
    • save-txt는 학습결과를 txt로 출력할지
    • save-conf는 bbox내의 물체분류한 confidence로 같이 출력할지 여부

참고

  • https://github.com/ultralytics/yolov5