본문 바로가기

전체 글

 (21)
YOLO v5 - 자동차 번호판(License Plate) 인식 - 2. Public Dataset으로 학습 시키기 Public Dataset으로 학습시키기 다운로드 한 공개된 Dataset인 Vehicles-OpenImages로 YOLO를 학습 시켜 보겠습니다. 1. yolov5 가상환경을 activate 합니다. 그다음 YOLO v5를 다운로드 받은 디렉토리로 이동합니다. conda activate yolov5 cd yolov5-master 2. 다운로드 받은 Dataset을 yolov5-master/dataset으로 복사합니다. 3. Dataset 폴더에 압축을 풀어 줍니다. test/train/valid 각 폴더안에는 images/labels 디렉토리가 있습니다. images 디렉토리 안에는 Dataset의 이미지들이 있습니다. labels 디렉토리에 있는 레이블 파일의 확장자는 txt 파일입니다. label ..
YOLO v5 - 자동차 번호판(License Plate) 인식 - 1. 환경 준비 환경 준비 YOLO v5를 이용하여 자동차 번호(License plate)를 인식해보겠습니다. 참고로 제 컴퓨터 환경 입니다. Anaconda 2021.05 Python 3.8 PyTorch 1.9.0 / CUDA 11.3 PyCharm 2021.2.3 (Professional Edition) 1. YOLO v5 소스 다운로드 소스는 https://github.com/ultralytics/yolov5 여기서 직접 다운로드 받으시거나 또는 git bash를 실행 하신 다음 소스를 받습니다. $ git clone https://github.com/ultralytics/yolov5 2. 가상환경(Virtual Environment) 만들기 requirements.txt의 대로 install 했더니 오류가 나서..
YOLO v5를 이용한 자동차 번호판(License Plate) 인식 - Introduction YOLO v5 모델을 사용하여 Custom dataset을 직접 만들어서 자동차 번호판(License plate)를 인식해 보았습니다. 자동차 번호판 이미지는구글의 License plate 이미지 또는 Kaggle에서 얻었으며 레이블링 작업은 labelimg을 사용했습니다. labelimg에서 레이블링한 좌표를 Convert하는 Tool은 직접 코딩해서 사용하였습니다. Dataset의 입력 이미지 사이즈는 416, 832로 해봤는데 역시 832의 Detection 성능이 좋았습니다. Weight는 small / large / eXtra large 사이즈로 해봤을때 역시 예상대로 eXtra large로 했을때 인식률이 제일 좋았습니다. YOLOv5에서 번호판 인식을 어떻게 하는지 Turtorial 형식으로..

티스토리툴바