CVAD

이번 포스팅은 YOLO-v8로 마스크 착용 유무를 판별하도록 해보겠다.이번 포스팅에서는 전과 달리 ultralytics라는 라이브러리를 사용해서 모델정의, 학습, 검증 등을진행할 것이기 때문에 다른 예제 포스팅에 비해 간단하다. 절차는 다음과 같다데이터셋 준비모델 학습검증결과 분석1. 데이터셋 준비마스크 데이터셋은 아래의 깃허브의 링크에서 다운받을 수 있다.https://github.com/VictorLin000/YOLOv3_mask_detect GitHub - VictorLin000/YOLOv3_mask_detect: Face mask detection using YOLOv3 on GoogleColabFace mask detection using YOLOv3 on GoogleColab. Contribu..

이전 포스팅 내용이 궁금하시다면 아래의 링크를 참고하시면 감사하겠습니다 ! - [Penn-Fudan] Object detection 학습하기 - 1 - [Penn-Fudan] Object detection 학습하기 - 2 저번에 모델 구현까지 완료했으니, 이번 포스티에서는 학습 코드를 작성하고 학습 시킨 뒤 결과를 분석해보자. 이번 포스팅의 내용은 아래와 같다. 모델 학습 코드 구현 학습 결과 분석 요약 3. 모델 성능 검증 3.1 학습 코드 구현 학습 코드는 Pytorch 예제에 나와있는 실행 코드를 사용할 것이다. 나의 경우, 일부 python 파일에서 모듈 인식에 문제가 생겨서 코드를 일부 수정해주었다. 우선 예제에 나와있듯, 학습을 진행할 경로에 'reference/detection'으로 파일을 ..

이전 포스팅 내용이 궁금하시다면 아래의 링크 참고하시면 감사하겠습니다 ! - [Penn-Fudan] Object detection 학습하기 - 1 저번 포스팅에 이어 이번 포스팅은 Pen-Fudan 데이터셋을 학습할 모델을 정의하고 코드로 작성해볼 것이다. 모델은 Mask R-CNN을 사용하되, 2가지 방법으로 구현해 볼 것이다. Pretrain된 Mask R-CNN 모델을 불러온 뒤, head를 Faster R-CNN으로 변경하고 마지막 layer만 학습 Backbone을 MobileNet v2로 변경한 뒤 학습 2. 학습 모델 정의 2.1 Pretrain된 모델을 불러온 뒤, head를 변경 후 마지막 Layer만 학습 해당 코드는 다음과 같다. import torchvision import torc..

- 본 포스팅은 Pytorch 홈페이지에서 제공하는 예제를 기반으로 작성하였습니다. 이번 포스팅에서는 Mask R-CNN을 사용하여 Object detection을 수행해보자. 정확히는 처음부터 학습하는 것은 아니고, 이미 학습된 모델을 fine-tunning하는 형식으로 진행할 것이다. 주요 절차는 아래와 같다. 데이터셋 다운로드 및 정의 학습 모델 정의 모델 성능 검증 1. 데이터셋 다운로드 및 정의 먼저 학습에 필요한 데이터셋을 다운받아야한다. 아래의 링크에 접속하여 4. Download zipoed file를 눌러서 다운받자. https://www.cis.upenn.edu/~jshi/ped_html/ Pedestrian Detection Database Penn-Fudan Database for ..

- 이번 포스팅은 해당 Git hub를 참고하여 진행하였습니다. - 해당 포스팅을 진행하기 앞서, USB cam을 ROS로 연결하는 과정이 선행되어야합니다. 관련 내용은 Ubuntu 20.04에서 ROS를 통해 USB cam 연결하기를 참고하시면 됩니다. 이번 포스팅은 YoLoV5로 실시간 object detection을 진행해보겠다. 직접 모델을 학습해서 사용한다면 좋겠지만, 이미 학습된 모델을 사용해서 적용해보자. 이번 포스팅의 절차는 아래와 같다. yolo v5_ros package 다운로드 및 설정 yolo v5 topic 확인 모델 출력 시각화 launch 파일 생성 1. yolo v5_ros package 다운로드 및 설정 먼저 ROS를 통해 실행할 패키지를 다운받자. catkin_ws/src..