본문 바로가기

전체 글

 (21)
YOLO v5 - 자동차 번호판(License Plate) 인식 - 5. Custom Dataset 으로 학습 시키기 이제 까지 만든 번호판 Dataset으로 YOLO로 학습 시켜볼 차례입니다. YOLO를 학습시킬때 Pretrained Weight는 small/medium/large/eXtra large로 나뉠 수 있습니다. 저는 RTX 3080TI 그래픽 카드를 사용하고 있는데 그래픽 카드의 RAM이 12GB 입니다. eXtra large로 했을때 Batch size가 4정도 밖에 나오지 않아서 이번에는 Large의 Weight로 Batch size 8로 학습해 보겠습니다. epochs 100번 정도 반복하며 이미지 사이즈는 836x836 입니다. yolov5-master 디렉토리로 이동한 다음 아래와 같이 입력합니다. python train.py --img 832 --batch 8 --epochs 100 --data..
YOLO v5 - 자동차 번호판(License Plate) 인식 - 4. Custom Dataset 만들기 1. 자동차 번호판 Image 모으기 자동차 번호판 Custom Dataset을 만들기 위해서는 우선 이미지를 모아야 합니다. 저는 구글에서 자동차 번호판 / License Plate로 검색해서 이미지를 모았으며 https://www.kaggle.com/tustunkok/license-plate-detection의 일부 이미지도 사용했습니다. 2. Image resizing 이미지들을 YOLO가 Training 할 수 있도록 Resize를 해줘야 합니다. Resize 이미지는 416, 608, 836 픽셀입니다.(Width, Height 동일) 제가 만든 이미지 데이터 프로세스 프로그램을 받습니다. https://github.com/amahiner7/ImageDatasetProcess-Yolov5에서 직..
YOLO v5 - 자동차 번호판(License Plate) 인식 - 3. Vehicles Detection 하기 학습이 완료 되면 yolov5-master 디렉토리의 runs/train/vehicls_yolov5s_results를 확인 합니다. val_batch2_pred의 내용입니다. 모델이 Validation set을 predict한 내용인데요 학습이 잘된것을 확인 할수 있습니다. 역시 Small 모델이라서 Large/eXtra Large보다 Detection 성능이 조금 떨어지지만 인식 속도는 빠릅니다. Detetion할때 weight 파일은 best.pt을 쓸 예정입니다. 테스트할 이미지 파일이나 동영상 파일을 구해옵니다. yolov5-master 디렉토리로 가서 아래의 명령어를 입력합니다. 테스트할 동영상은 road1.mp4 입니다. python detect.py --source ./test_data/mo..

티스토리툴바