반응형

주제는 정해졌고, YOLO를 사용해보도록 하겠습니다.


YOLO를 사용하기 위해 YOLO를 설치하겠습니다.

참고로 우리는 TK1에 설치 했고, TK1은 Ubuntu 14.04 버전이다.

YOLO를 설치하기 전에 Open_CV와 Cuda 설치를 완료하는게 가장 좋다.

YOLO의 설치는 아주 간단하다.

git clone https://github.com/pjreddie/darknet

cd darknet

make

먼저 git으로 darknet 폴더를 가져온다.

그리고 darknet 폴더 내에 들어가서 make를 한다.

이 작업이 끝나면 YOLO를 사용할 준비가 완료된 것이다.


그 다음으로 YOLO에서 제공해주는 이미 학습된 파일을 다운받아온다.

wget https://pjreddie.com/media/files/yolo.weights

yolo.weights 파일이 darknet 폴더에 생성되었을 것이다.


자 그럼 이제 YOLO를 실행시키는 일만 남아있다.

YOLO를 실행시키는 방법은 이미지와 동영상 2가지 방법이 있다.

./darknet detect cfg/yolo.cfg yolo.weights data/dog.jpg

위의 코드는 이미지를 실행시키는 방법이다.


하지만 우리가 YOLO를 사용한 이유는 동영상. 즉 카메라로 실행시키기 위함이다.

이미지는 제쳐두고 동영상을 실행시켰다.

./darknet detector demo cfg/coco.data cfg/yolo.cfg yolo.weights <video file>

동영상을 실행시키는 방법은 위와 같다.

하지만 카메라를 통해 실행시켜야 하므로 동영상 파일 이름은 적지 않는다.

./darknet detector demo cfg/coco.data cfg/yolo.cfg yolo.weights

위의 코드를 입력하면 현재 연결된 카메라를 통하여 물체를 인식하기 시작한다.


하지만 여기서 우리에게 가장 큰 문제가 발생..!!

바로 TK1의 그래픽카드 드라이버가 설치가 되지 않는다...

4주정도 TK1과 씨름을 해본 결과... 우리가 졌다... TK1을 포기하기로 결정했다.


TK1을 포기하고 PC에서 다시한번 YOLO를 실행했더니 아주 잘된다....

YOLO를 카메라를 통해 실행한 결과, 위의 사진과 같이 요로는 Bounding-Box 형식으로 사물을 인식한다.

Bounding-Box로 인식된 물체의 좌표를 확인하여 그 값을 기준으로 카메라를 회전 및 물총을 발사할 예정이다.

또, YOLO에 야생동물을 학습시켜 야생동물 이외에 물체는 인식하지 않도록 새로 학습을 시킬 예정이다.


여기까지가 우리의 1학기 진행 내용이었습니다.

반응형

'프로젝트 > 딥 러닝 Smart Scarecrow (영상 인식)' 카테고리의 다른 글

[6] Apache2 Root Directory 변경  (0) 2017.11.10
[5] Ubuntu 서버 구축(LAMP)  (0) 2017.10.19
[4] 아두이노와 PC 설계  (0) 2017.10.19
[3] YOLO 학습  (0) 2017.10.19
[1] 프로젝트 설계  (0) 2017.10.18

+ Recent posts