모델학습

Step 1: colab에서의 모델학습

앞 페이지에서 라벨링한 데이터를 가지고 YOLO의 원본모델을 커스텀하여 모델학습을 진행합니다.

학습을 진행하는 동안 gpu를 지원받기 위해 코랩에서 노트를 gpu로 설정한 뒤 학습을 진행하였습니다.

구글 드라이브에 직접 제작한 데이터셋을 업로드하고 darknet 파일을 git clone으로 다운받은 뒤 훈련에 필요한 파일들을 목적에 맞게 변경하여 업로드합니다.

① custom cfg

yolov4-tiny-custom.cfg

② obj.data

훈련에 필요한 파일들의 경로정보를 넣어줍니다.

• train.txt
• test.txt
• obj.names
• process.py
• obj.names
  

모든 파일이 준비되었으면 코랩 코드를 따라 순차적으로 실행시키면 됩니다.

코랩의 런타임이 끊기는 것을 방지하기 위해 콘손창에 코드 추가 참조링크 – https://teddylee777.github.io/colab/google-colab-%EB%9F%B0%ED%83%80%EC%9E%84-%EC%97%B0%EA%B2%B0%EB%81%8A%EA%B9%80%EB%B0%A9%EC%A7%80

function ClickConnect(){
console.log("코랩 연결 끊김 방지");
document.querySelector("colab-toolbar-button#connect").click()
}
setInterval(ClickConnect, 60 * 1000)

Step 2: 모델 최적화

인식정확도를 높이기 위해 모델 최적화를 진행한 결과 데이터셋(1차 데이터셋, 2차 데이터셋, 크롤링 데이터, Augmentation)을 학습한 결과 정확도가 98.7%가 나왔습니다.