Colab에서 YOLO 트레이닝하기

1. Colab

- 구글에서 제공하는 클라우드 기반 주피터 노트북 개발환경

- 브라우저에서 python을 작성하고 실행이 가능

 

YOLO가 이미지를 처리하는 과정이기 떄문에 개인의 pc환경에서 학습하고자 한다.

이 때, cpu만을 사용한다면 학습시간은 현저하게 낮아지게 된다. gpu의 성능에 따라서도 학습시간이 달라진다.

Colab을 통해 학습을 시킨다면 자신의 pc환경과 상관없이 제공받는 GPU로 딥러닝 환경을 간편하게 설정할 수 있다.

개인 PC의 성능이 좋지않으므로 Colab을 통해 학습시간을 단축시켰다.

 

---

2. YOLO 트레이닝하기

- YOLO 트레이닝을 위해서는 이미지외 라벨, 두가지 데이터가 필요

- 이미지파일은 존재하므로, 각 이미지에 해당하는 라벨이 필요

 

※라벨이란?

출처 :  https://blog.testworks.co.kr/data-labeling/

그림과 같이 탐지를 원하는 객체에 Bounding Box를 그려 표현, 딥러닝모델에 학습데이터로 쓰임.

이 때, 이 라벨값은 좌표값으로 변환되어 라벨파일(txt) 형태로 저장된다.   

---

3. YOLO mark 사용하기

- 각 이미지에 해당하는 라벨을 쉽게 얻기위해 쓰는 툴

- YOLO Mark GitHub : https://github.com/AlexeyAB/Yolo_mark

- Darknet 환경에서 구동가능하며 GPU를 쓰는 것이 아닌 단순 작업이므로 개인 PC에서 진행

출처:  https://news.sbs.co.kr/news/endPage.do?news_id=N1002301509

보기와 같이 차량의 번호판부분에 Bounding Box로 처리하여 번호판을 학습할 수 있도록 이미지를 라벨링을 해준다.

차량이미지 400개를 가져와 각 이미지에 해당하는 번호판 라벨을 400개를 만들어 학습시켰다.

 

 

참고 : [YOLO - darknet] Window 10에서 YOLO_MARK로 YOLO 학습(Custom) - 19.8.26. 수정 완료 (tistory.com)

             colab에서 yolo 트레이닝하기 : 네이버 블로그 (naver.com)