Darknet Yolo Tensorflow version - DarkFlow 실행해보기

​​

>

https://www.youtube.com/watch?v=yxQGlMLegcs

영상과 함께 블로그 포스팅을 배우면 더 도움이 됩니다. Darknet이란 C와 CUDA로 작성된 오픈소스 신경망 프레임워크였습니다.빠르고 설치하기 쉽고 CPU 및 GPU 계산을 지원합니다. YOLO는 You Only Look Once 즉 이미지를 한 번 보는 것만으로 Object의 종류와 위치를 추측하는 딥러닝 기반의 물체인식 알고리즘을 의미합니다. 아래 링크는 유명한 강연 플랫폼인 TED에서 darknet YOLO가 무엇인지 개발자가 직접 나쁘지는 않다고 설명하는 것이었다. https://www.ted.com/talks/joseph_redmon_how_a_computer_learns_to_recognize_objects_instantly/up-next?language=ko

​ ​ YOLO, 다음의 모델들과 비교했을 때에 YOLOv3(현재 version 3까지 나온 것)는 빠르고 정확하다. 0.5 IOU에서 측정한 mAP으로 YOLOv3은 초점의 손실과 거의 비슷하지만 약 4배 빠르다. 또한 retraining이 필요없이 모델의 크기를 변경함으로써 속도와 정확성 사이에 쉽게 균형을 잡을 수 있다.​

>

다만, 원래의 저자는 C를 이용해 프로그램을 組기 때문에, Tensorflow의 Tensorvboard와 같은 유용한 기능을 사용할 수 없는 점이 유감이었다. 그리고 어떤 개발자가 Tensor Flow 버전의 YOLO인 Dark Flow를 만들어 주었다. ​금 1은 Tensorflow버전 YOLO, DarkFlow를 설치하고 실천하고 보는 것이었다 개발자 주소: 친절하게 설명되어 있다. https://github.com/thtrieu/darkflow

본 예제의 모든 환경은 mac / terminal에서 작업을 합니다. Ubuntu에서도 실행 가능하다.참고 부탁드립니다. 1개, 우선 Anaconda의 환경 설정과 설치입니다. 여기서 해당 OS (본 예에서는 macor Linux 중에서 선택하여 Anaconda를 설치해 줍니다) https://www.anaconda.com/distribution/

2.Conda설치가 완료되면 Conda가상 환경을 만들고 TensorFlow를 설치한다.여기서 가상 환경을 만드는 이유! ​-프로젝트를 진행할 때 각 프로젝트가 요구하는 개발 환경이 각각 다르기 때문에 자신의 컴퓨터 로컬에 직접 설치하고 다른 환경을 요구하는 프로그램을 돌릴 때에는 버전과 충돌이 1어가 있다. 그래서 가상환경에 원하는 개발환경을 설치해 두었다가 필요할 때 그곳으로 들어가 실행하는 것이 개발에서 매우 간단하다.​​

>

conda create=>anaconda명령어에서 가상 환경을 만들어 주라는 의미였다-n flow pip python=3.7=>가상 환경의 이름은 flow이고 pip명령어를 이용하여 python 3.7의 개발 환경을 만들다 었다

>

다음과 같이 모든 1이 다음과 같이 done 되면 가상 환경이 조성된 것이다! ​

>

이후처럼 Honda activate가상 환경 이름(예제에서는 flow)에서 가상 환경을 activate(활성화시킬 수 있다)마지막에 tensorflow를 인스톨 합니다!텐서 플로우 공식 홈페이지와 mac에 tensorflow를 설치하는 블로그의 글을 참고에, 인스톨 하는!​ https://meisteruser.net/devflow/1863

https://www.tensorflow.org/install#InstallingAnaconda

그 후, 공식 문서의 설치 가이드를 참고로, 인스톨을 진행합니다.https://www.tensorflow.org/install/pip?hl=ko===Tensor Flow-gpu 설치 공식 문서의 설치 가이드를 참고합니다.\ 아래 {Package URL}에는 이 링크에 해당하는 URL을 붙여 넣는다.* 해당 글의 개발환경 mac은 cpu만 가능하다. 아래는 참조 이미지 **mac용.

>

Install Open CV

Install Cython

​ 3.DarkFlow의 설치 ​

>

>

지금./flow로 실행할 수 있습니다.Weight 다운로드. weight 파하나는 용량이 크기 때문에 Github에서 다 같이 받을 수 없습니다. 아래 링크를 이용해서. weight는 1개를 받아주세요​ https://pjreddie.com/media/files/yolov2.weightshttps://pjreddie.com/media/files/yolov3.weightshttps://pjreddie.com/media/files/yolov2-tiny.weightshttps://pjreddie.com/media/files/yolov3-tiny.weights​ 다운로드 했더니, bin/폴더에 가져다 줍니다. ​

>

4. 한번을 돌리고 본다

해당 명령어를 입력하면 실행할 수 있다.darknet을 darkflow로 바꾼 개발자가 설명하기를,

>

yolo와 tiny-yolo-voc은 version 2이라고 명시되고 있다. 그래서 yolo.cfg은 yolov2.weights에 반응하게 되니까 cfg과 weights의 성냥을 잘 고려해야 합니다. ​(info>>본 예제에서 실행한 version 2서로 매치에 나뉜 파티나 상대는 챠후그와 같다. ​ tiny-yolo.cfg-tiny-yolo-voc.weightsyolo.cfg-yolov2.weights​ 채프는 공식 문서 주소 이다니다.https://github.com/thtrieu/darkflow

​ 5.Darkflow사용하는 ​은 찾아 보기 편하도록 중요한 일만 골라서 보고 싶다. --h: 옵션 보기

옵션--load:weight 호출

일 Load tiny-yolo.weights/flow-model cfg/tiny-yolo.cfg-load bin/tiny-yolo-voc.weights

>

​-imgdir:이미지 경로 지정하는 것 ​-gpu이다.0:gpu한 00%가동!​

--json:json에 출력하기

>

이후와 같이 json 포맷 형식의 파일이 out 폴더에 생성된 것을 볼 수 있다.​*label:self explanatory*confidence:0과 하나 사이의 숫자 yolo가 그 탐지에 대해서 얼마나 확신하고 있는지 보이고 있다.*topleft:상자의 왼쪽 상단 모서리의 픽셀 좌표*bottomright:상자의 오른쪽 하단 모서리 픽셀 좌표 ​ ​ 6.VOC데이터 학습시키는 것 2007을 학습시키는 예제 다크 인터넷 yolo사이트에서는 이후그와 함께 언급하고 있다.요로(Yolo)를 훈련시키려면 2007년부터 20하나 2년까지 모든 VOC데이터가 필요하다

>

​ 7.Camera/video file demoGPU을 사용하여 비디오 파쵸쯔을 돌리고 본다

"Tiny YOLO"는 Darknet 기준의 네트워크를 기반으로 하여 하나반 YOLO 모델보다 훨씬 빠르지만 정확성은 떨어집니다. "

>

>

8. Threshold threshold는 국어로 문턱, 한계점을 의미합니다. 이를 Detecting System에서는 어떤 물체를 판단하는 기준이 될 확률이 좋습니다. YOLO는 어떤 물체와 Detecting한 확률이 25퍼센트 이상의 1경우 그 물체 1일로 출력합니다.우리는 Threshold를 명령어를 통해서 변경할 수 있는데, 이후 명령을 통하여 어떠한 물체로 판단하는 기준 확률을 1퍼센트로 변경하고 볼 수 있다. ​

>

>

​