YOLO6 [YOLO] 영상 객체 인식 - 번외+ : 원하는 객체 검출 후 자동 캡쳐 https://prlabhotelshoe.tistory.com/33 [YOLO] 영상 객체 인식 - 번외: 원하는 객체만 검출 https://prlabhotelshoe.tistory.com/15 [YOLO] 영상 객체 인식 컴퓨터 비전 혹은 머신러닝 등을 공부하면 한 번쯤 접하게 되는 yolo OpenCV를 활용하여 yolo 포맷을 이용해 영상 속 객체 인식 테스트를 진행해보.. prlabhotelshoe.tistory.com 이전 번외 포스팅에서 더 나아가 원하는 객체를 검출했을 경우 해당 객체를 자동적으로 캡쳐 후 저장하는 테스트를 진행해 보았습니다. 자세한 사전 세팅은 위의 링크를 통해 준비하시면 되겠습니다. 소스코드 import cv2 import numpy as np import time # -.. 2022. 9. 1. [YOLO] 영상 객체 인식 - 번외: 원하는 객체만 검출 https://prlabhotelshoe.tistory.com/15 [YOLO] 영상 객체 인식 컴퓨터 비전 혹은 머신러닝 등을 공부하면 한 번쯤 접하게 되는 yolo OpenCV를 활용하여 yolo 포맷을 이용해 영상 속 객체 인식 테스트를 진행해보기로 하겠습니다. 추가적으로 OpenCV cuda를 빌드하여 prlabhotelshoe.tistory.com 이전 포스팅에서 OpenCV와 YOLO 포맷을 활용하여 영상 속 객체들을 인식하는 테스트를 진행해 보았습니다. 번외로 YOLO에서 학습된 class 중 원하는 객체만을 검출하는 테스트를 진행해 보겠습니다. class 목록 확인 이전 다운로드 하였던 darknet 폴더에서 darknet-master -> cfg 의 경로 속에 coco.names를 편집기.. 2022. 3. 7. [YOLO] 영상 객체 인식 컴퓨터 비전 혹은 머신러닝 등을 공부하면 한 번쯤 접하게 되는 yolo OpenCV를 활용하여 yolo 포맷을 이용해 영상 속 객체 인식 테스트를 진행해보기로 하겠습니다. 추가적으로 OpenCV cuda를 빌드하여 GPU를 적용시켰으며 이에 대한 빌드는 하단 링크를 참조하면 되겠습니다. https://prlabhotelshoe.tistory.com/24?category=1004669 [CUDA&OpenCV] Python 환경 OpenCV GPU 연동 (CUDA backend in OpenCV) - 1. 파일 설치 컴퓨터 비전 등을 공부할 때 자주 접하게 되는 OpenCV 이에 대한 여러 블로그나 기타 웹에서 샘플 코드를 학습할 때, GPU와의 연동으로 빠른 처리를 시도해 볼 수 있으며 간단한 코드 작성으.. 2022. 2. 4. [Project] 월담 행위 인식 모델 - 3. 학습 및 모델 평가 이전 포스팅까지의 절차로 코랩 환경에서의 머신러닝 준비가 완료되었습니다. 이제 라벨링한 파일들을 토대로 직접 커스텀 모델을 만들 차례입니다. 3.1 라벨링 파일 전처리 첫 번째 포스팅에서 이미지 파일을 YOLO 포맷에 맞도록 라벨링 하였고 해당 파일을 불러오도록 train 파일과 test 파일을 나누어 전체적인 경로에 대해 따로 txt 파일을 만들도록 합니다. import os current_path = os.path.abspath(os.curdir) COLAB_DARKNET_ESCAPE_PATH = '/content/gdrive/My\ Drive/darknet' #-- 본인 환경에 맞게 경로 변경할 것 COLAB_DARKNET_PATH = '/content/gdrive/My Drive/darknet' .. 2022. 1. 25. [Project] 월담 행위 인식 모델 - 2. 개발환경(코랩, 다크넷) 설정 이전 포스팅에서의 절차를 잘 밟아왔다면 필요한 데이터에 대한 전처리는 거의 모두 끝낸 상태입니다. 이제 이미지 학습에 앞서 개발 환경을 설정할 차례입니다. https://colab.research.google.com/?hl=ko Google Colaboratory colab.research.google.com 다양한 IDE나 여러 웹 디버깅 툴이 있겠지만 구글 드라이브와 연동이 편리하고 무엇보다 GPU 개발 환경을 제공해 주는 코랩에서 진행하였습니다. 구글 계정만 있다면 쉽게 이용 가능하며 기타 자세한 팁이나 이용방법은 생략하도록 하겠습니다. 2.1 GPU 연동 및 cuDNN 설치 a. GPU 연동 코랩에서 새 노트를 생성하고 런타임 유형을 GPU로 변경합니다. 상단 목록 중 런타임을 클릭해 변경하면 됩.. 2022. 1. 25. [Project] 월담 행위 인식 모델 - 1. 라벨링 및 이미지 전처리 머신러닝을 통해 커스텀 모델을 구현하는 프로젝트 요즘의 경우 곳곳의 CCTV의 활성화로 치안 문제가 어느 정도 완화되는 듯하지만 이 또한 사람이 하나하나 영상을 감시해야 하는 문제가 있기 때문에, 컴퓨터상에서 이를 먼저 인지하여 알려주면 어떨까 하는 아이디어에서 시작하였습니다. 여러가지 치안과 관련된 모델을 구상해 볼 수 있겠지만, 이번 프로젝트는 현재 관심 있는 월담(담을 넘는 행위) 인식 모델로 진행해 보았습니다. 개발 환경의 경우 코랩을 활용하였으며 개별 IDE로 구현하면 좋겠지만 gpu 연동 문제(cuda, ...)로 구글에서 제공하는 코랩의 GPU 환경을 이용하기로 하였습니다. 1.1 이미지 저장 및 라벨링 a. 이미지 넘버링 구글링 등으로 직접 다운로드하거나 여러 크롤링 툴로 필요한 이미지를 .. 2022. 1. 24. 이전 1 다음 반응형
