CNN 9 - 객체 탐지를 하는 YOLO v8 모델 실습 2 - 가위 바위 보 객체 탐지 모델 학습시키기

이이서 가위 바위 보 객체 탐지하는 실습을 진행해 보겠다. 아침 공부할 시간이 이제 30분도 남지 않아서 서둘러야겠다.

---

 

 

 

 

YOLO v8 객체 탐지 실습해보기

이제 불러온 가위 바위 보 객체 탐지 모델을 학습시킬 차례이다.

 

 

data의 경로를 yaml에 가서 붙여 넣는데 줄이 너무 길기에 상대경로로 점을 찍어서 앞의 부분을 지우면 된다. 이 모델을 가져오는데 10분 정도 걸린다.

너무 긴 관계로 일부만 캡처해 보았다.

 

 

 

 

모델 학습에 붙여 넣을 경로

 

runs에 가면 train에 이러한 파일이 들어있다.

 

 

 

 

weights에 들어가면 이러한 파일이 들어있는데 베스트 모델을 담아놓은 것이 best.pt이다.

---

 

 

 

 

이 안에 있는 weights 안의 best.pt의 경로를 복사하여 괄호 안에 넣는다.

 

 

 

 

 

 

 

이미지 데이터는 yolov7 안에 있는 images 폴더 안에 있는 이미지의 경로를 복사하여 붙여 넣는다. 아래쪽에 사진 이미지를 클릭하여 확인하고 잘 가위, 바위, 보가 뚜렷하게 잘 나온 것으로 선택한다. 

 

 

 

 

 

 

내가 선택한 사진은 이것이다. 사진 옆에 보면 오른쪽에 세 개의 점이 보이는데 그걸 눌러서 경로를 복사하여 코드 안에 붙여 넣는다.

 

 

 

 

그런 다음 runs 안에 detect 폴더 경로를 복사한 후 옆에 predict라고 추가한다. 모든 실행 내역이 runs 안에 생긴다. 그런 다음 예측 코드도 작성해 준다. conf는 신뢰도로 몇 퍼센트 확신하는지 정도이다.

 

 

 

 

 

지난 시간에 학습했던 모델을 예로 들어보면  위에 빨간색 테두리 위에 친칠라 하고 숫자가 써 있는데, 0.8이 80% 확신한다는 말이다.

 

실행하면 결과가 어디에 저장되었는지 표시된다.

 

 

 

 

이렇게 폴더에 직접 가서 확인하지 않고 맵플롯립으로 이미지를 출력할 수 있다. 예측률은 95% 가위로 확신하고 있다. 하지만 이미지가 모두 푸드댕댕하니 외계인이 되고 말았다. 왜 그럴까?

원래는 RGB 컬러를 파이썬으로 출력할 때는 BGR로 빨간색과 파란색이 바뀌어서 출력되기 때문이다. 컬러를 convert로 바꾸면 원래 색상으로 돌아온다.

 

---

 

 

 

학습을 마치고

시간 안에 객체 탐지까지 모든 수업을 다 듣고 정리해 볼 수 있어서 다행이었다. 살펴보니 책으로 하는 건 저녁에 집에 와서 하면 충분히 다 할 수 있을 것 같다.

이제 갈 준비를 서둘러야겠다.