0 YOLO 시리즈 노트
1. 소개
이전 실습에서는 대상 인식을 위해 YOLOv5를 사용하는 방법, 환경 설정부터 자체 데이터 세트 학습, 학습된 모델을 OpenCV를 사용하여 배포하는 방법까지 요약했습니다. 응용프로그램을 시작하는 방법에 대해 알아보세요.
2 기본 개념
시작하기 전에 의미론적 분할과 인스턴스 분할이 무엇인지 이해하는 것이 좋을 것입니다. 이 기사를 참조하십시오 . 간단히 말하면 의미론적 분할은 이미지의 각 픽셀에 카테고리를 할당하지만 동일한 카테고리에 있는 객체는 구별되지 않습니다. 인스턴스 세분화는 특정 객체만을 분류하는 것인데 이는 타겟 인식과 매우 유사합니다. 실제로는 경계가 더 이상 상자에 국한되지 않고 불규칙한 경계라는 의미인 "세련된 타겟 인식" 으로 이해될 수 있다고 생각합니다. 다음 사진을 사용하여 보여줄 수 있습니다. [사진은 위 기사에서도 발췌]
3개의 데이터 세트
표적 인식과 마찬가지로 분할 문제에 대한 훈련 데이터 세트 구조도 다음과 같습니다.
├───images
│ ├───train
│ └───val
└───labels
│ ├───train
│ └───val
└───data.yaml
그중 yaml파일 형식과 대상 인식도 동일하므로 여기서는 반복하지 않습니다.
다른 하나는 데이터 세트의 레이블 스타일로, 대상 인식과 마찬가지로 아래와 같이 레이블 형식을 YOLO 형식으로 변환한 후 데이터를 훈련해야 합니다.
그 중 가장 왼쪽은 대상 카테고리이고, 오른쪽은 대상 윤곽선의 N 포인트 좌표를2*N 나타내는 0과 1 사이의 부동 소수점 숫자로 모두 정규화된 값입니다.
4 훈련
이전 훈련 목표 인식과 마찬가지로, 매개 변수를 변경할 필요가 없다면 yolo 프로젝트 아래의 Python 파일을 직접 실행하면 됩니다. 프로젝트 아래에 segment폴더가 있고, 그 안에 있는 코드가 의미분할 훈련을 위한 프로그램입니다.
마찬가지로 파일 앞의 주석에도 사용 방법이 명확하게 기록되어 있습니다.
5 데이터 주석
여전히 데이터 세트를 생성하고 라벨을 직접 지정해야 한다면 어떻게 합니까? labelImg와 유사한 labelme 라는 주석 소프트웨어가 있는 것 같습니다 . 설치 방법은 labelImg와 동일하며 pip를 통해 직접 설치할 수 있습니다.
pip install labelme
사용 방법도 상대적으로 간단하고 빠르게 시작할 수 있습니다. 사용 방법에 대한 링크는 다음과 같습니다 .