준비물은 Cumstomdata, yol o_mark가 필요합니다.먼저 Cumstomdata를 yolo_mark로 전처리를 하셔야 합니다.yolo_mark 사용법은 많은 자료가 있으므로 설명은 생략하겠습니다.
사전처리를 하면 jpg파일과 txt파일로 나뉩니다.txt 파일에는 yolo_mark에서 적용한 바운딩 상자의 좌표 값이 표시됩니다.
시작점과 끝점의 좌표로 알고 있습니다
colab의 darknet 안쪽에 있는 data 폴더 안에 train_data 와 val_data 폴더를 각각 저장합니다.(여기는 train이라고 써있는 폴더입니다.) 이러한 형태로 할 수 있습니다.
그런 다음 data 파일과 na mes 파일을 생성합니다.
데이터 폴더는 이렇게 만들어야 합니다.train.txt 파일의 위치와 valid.txt 파일의 위치, 그리고 names 파일의 위치가 필요합니다.마지막으로 backup은 중간에 학습이 끊기더라도 마지막 가중치 값을 저장하는 좌표입니다.
그럼 train.txt의 내용과 test.txt의 내용이 필요하겠죠?
이렇게 저장이 됩니다.보시면 traindata_data 와 val_data 폴더 안에 있는 사진의 위치가 적혀 있습니다.마지막으로 names라고 하는 파일의 내용은 검출할 class의 이름을 적어주세요.
마지막으로 yolov4.cfg파일을 수정해 주세요.https://keyog.tistory.com/22 이전에 YOLOv4를 설치하고 example 실행까지 완료되면 앞으로 본인의 데이터를 훈련시키고 응용하는 것까지 알아보도록 하겠습니다. YOLOv4 설치에 관해서는 전문 참조. 2020/05/19 – [Computer Vision/Object det.. keyog.tistory.com 그 방법은 좋은 글을 보고 쓰시면 될 것 같습니다.
이게 다 끝났으면 좋겠어요.먼저 /darknet detectortrain 부분은 학습을 시키는 명령어입니다.
/content/darknet/data/custom_p.data는 data파일의 위치를 적어주시면 됩니다.
/content/darknet/cfg/yolov4-custom.cfg은 위 링크와 같이 cfg파일을 수정하고 저장한 후 위치를 적어주시면 됩니다.
/content/darknet/yolov4.conv.137-dont_show 마지막으로, 이 부분은 기존의 학습된 yolo 파일을 사용합니다. 파일은 위 링크에서 받아주세요.
학습 그래프를 보려면 darknet 폴더 안에 chart.png을 보세요.
그 후에 학습된 weight 파일을 쓰려면 다음과 같이 작성을 하셔야 됩니다. /content/darknet/yolov4-custom_last.weights 이 부분만 다르다고 할 수 있습니다. 이 부분은 보시는 바와 같이 weights의 위치를 적어주시면 됩니다.
감사합니다!