[vision Yolov5-Webcam]

Yolov5 Model

저번 시간은 정적인 이미지에 대해 욜로 모델을 학습하고 결과를 진행했다면 이번 시간에는 동영상 파일 및 웹캠을 통한 실시간 처리를 진행해 보았습니다.

 

동영상 예제를 통한 Yolov5

https://pixabay.com/ko/

사이트에서 필요한 동영상 예제 파일을 다운로드 받습니다.

 

학습에는 미리 제공된 coco128.yaml 로 학습을 진행하려고 합니다. coco.yaml은 파일 자체도 크며 학습 진행에 오랜시간이 걸립니다. 만약 코렙을 통해 진행한다면 세션이 죽는 상황이 발생합니다..

 

Yolov5 Model Webcam

Yolov5 Github를 통해 보시면 Webcam에 대하여 학습한 내용을 실시간으로 처리할 수 있다고 표기가 되어있습니다.

!python detect.py --source 0 (source 0)으로 설정하면 local webcam에 대해 작동시킬 수 있습니다.

하지만 Colab으로는 절대 노트북 내장 webcam을 저 명령어로 실행할 수 없습니다.

github에선 javascript를 통해 어쩌구 저쩌구 데이터를 수정하여 해결했다고 하는데, 제 미흡한 실력으로는 colab에서 실행할 수 없었습니다.  (물론 detect.py 와 그와 관련된 datasets.py 파일을 수정하면 될거 같기도합니다.)

 

그래서 Anaconda Prompt를 활용하여 Yolov5를 실행했습니다.

콘다 prompt

conda prompt를 실행하고 conda create -n 이름 명령어를 통하여 단독 개발환경을 만들어줍니다.

그 다음 colab에서 실행한 것 처럼 깃클론을 진행합니다.

콘다 prompt2

그 다음 activate 개발환경 이름 명령어를 통해 실행합니다.

그 다음 cd 명령어로 yolov5 디렉토리로 들어갑니다. 코렙의 리눅스 환경이 아니기 때문에 디렉토리에 관련된 내용은 dir 명령어로 확인합니다. 해당 실습을 진행하면서 필요한 파일들을 pip 명령어를 통해 다운받습니다. 생각보다 다운 받을게 많았습니다..

 

그 다음 python detect.py --weights yolov5x.pt --conf 0.3 --source 0 명령어로 노트북에 내장된 webcam을 실행하면 됩니다. 저는 미리 학습된 yolov5x.pt 가중치를 가져왔습니다. 실질적으로 colab에서 학습시켜 해당 디렉토리에 파일을 넣어 그 가중치를 실행했는데 결과가 그렇게 좋진 않았습니다. 따라서 미리 학습된 가중치를 사용했습니다.

 

yolov5x.pt로 치면 알아서 해당 가중치를 다운받아 옵니다. 

웹캠 실행

webcam을 통한 실행 결과

우선 노트북으로 작업을 진행하다 보니 GPU 환경이 구축되지 못하여 CPU를 사용했습니다.

WebCam을 통해 결과를 확인할 수 있지만 정말 느립니다.