YOLO 공식문서 번역 및 학습

 

YOLO 공식문서 번역 및 학습

 

 

 

 - 구글 번역기를 통한 정리라서 해석의 오류가 있을 수 있음

 

1. YOLO란

• You Only Look Once의 줄임말
• 최첨단 실시간 객체 감지 시스템
• COCO test-dev에서 57.9%의 mAP 성능을 보임

 

! COCO test-dev 과 mAP 가 무엇이냐?

• COCO test-dev 이란?
  • Common Object in  COntext 
  • 큰 규모의 객체 탐색, 분류, 세분화 등의 data-set
  • 객체 탐지 성능 테스트로 주로 사용한다고 함
• mAP 란?
  • mean Average Precision (평균 정확도들의 평균)
  • CNN 모델을 평가시에 주로 사용
  • 값이 높을수록 전체적인 알고리즘 성능이 우수하다고 판단(정확도, 검출률 등등)
• FPS 란?
  • 초당 프레임, 1초당 몇 개의 프레임을 처리하는 지
  • 60FPS는 1초에 60장의 프레임을 처리함을 의미

 

 

2. 다른 검출기와 비교

• Focal loss(RetinaNet)와 mAP는 비슷하지만 속도가 약 4배 더 빠름
• 모델의 크기를 변경하기만 하면 재교육 없이 속도와 정확도를 절충할 수 있음

 

 

3. COCO data-set 성능 비교

다른 모델과 비교해서 성능을 비교한 표

• CFG는 Control Flow Graph, 제어 흐름 그래프를 의미
• Weights는 가중치를 의미(기존 학습이라고 이해)

 

4. 작동 방식

• 이전 다른 detection 시스템은 classifier나 localizer를 변경해서 기능을 찾아가는 방법
• CNN은 슬라이딩 윈도우를 해서 하나의 객체를 찾을 때는 효과적, 하지만 2개 이상 객체는 어려움
• YOLO는 하나에 신경망에 전체 이미지를 적용
• 단일 단계 방식의 객체 탐지(이미지를 한 번만 보고 예측한다는 의미)

• 1) 이미지를 지역으로 나눔
  2) 각 지역의 bounding box 가능성(확률, probabailities)을 예측
  3) 도출된 확률에 의해 가중치 부여

 

5. 그래서 장점이?

• 속도가 매우 빠름 : R-CNN보다 1000배 이상, Fast R-CNN보다 100배 더 빠름
• 그 이유는 단일 단계 방식과 평가 기능이 있어 필요한 이미지 개수가 적음

 

 

6. 실전 연습 코드 (코랩) / YOLOv5

 

https://colab.research.google.com/drive/1UImtuMqBuMZMNynO9Nzct1Pl-YMdF3-M?usp=sharing 

YOLOv5_training_Wook.ipynb

 

• 위 코랩을 따라가면서 실제로 사용해볼 수 있음
• 드라이브 사본 저장 후 사용하는 것을 추천
• 도움말에 맞춰 진행하면 수월함

 

 

 

출처 =

• https://github.com/ultralytics/yolov5 = YOLOv5 공식 깃허브 홈페이지

GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite

• https://public.roboflow.com/ = Publicroboflow 홈페이지, 비전 데이터(racoon data) 출처

Computer Vision Datasets

• https://iagreebut.tistory.com/98 = 참고한 Tstory 사이트

[YOLO] Darknet 공식문서 번역

• https://ctkim.tistory.com/79

mAP(Mean Average Precision) 정리

• https://ko.wikipedia.org/wiki/%EC%A0%9C%EC%96%B4_%ED%9D%90%EB%A6%84_%EA%B7%B8%EB%9E%98%ED%94%84 = cfg 용어 설명

제어 흐름 그래프 - 위키백과, 우리 모두의 백과사전

• https://rubber-tree.tistory.com/119 = CNN 알고리즘에 대한 친절한 설명이 기재된 홈페이지

[AI/딥러닝] 객체 검출(Object Detection) 모델의 종류 R-CNN, YOLO, SSD

• https://www.youtube.com/watch?v=T0DO1C8uYP8 = 해당 유튜브 영상이 위 코랩을 만드는 데 가장 베이스 역할

• https://www.youtube.com/watch?v=kbMfgVZn05U&t=1s = YOLOv7 을 통해서 이미지, 동영상, 실시간 웹캠을 이용하는 방법을 알려주는 영상

• https://www.youtube.com/watch?v=fdWx3QV5n44 = 아래 영상은 YOLO를 글로만 이해하기 어렵다면 꼭 참고해서 보는 것을 추천