[4] Ubuntu 16.04 YOLO 설치

먼저 YOLO를 설치하기 위해 해당 명령어를 실행해주세요.

1 2 3

git clone https://github.com/pjreddie/darknet.git cd darknet make

darknet 폴더에 들어가서 make까지 해주셨으면 YOLO를 사용할 준비가 끝나셨어요!

 

darknet안에서

1	vi Makefile

를 입력해주세요.

처음 보이는 GPU, CUDNN, OPENCV를 0에서 1로 바꿔주세요.

Insert키 누르면 수정이 가능합니다.

수정이 끝났으면 Esc를 눌러주세요. 수정 상태가 풀립니다.

그 다음 :wq를 입력해주세요 (:wq : 변경사항 저장후 vi종료)

 

수정이 끝났으면 다시 명령어를 입력해주세요.

1

make

다음 YOLO에서 가중치 파일을 받아옵니다.

1	wget https://pjreddie.com/media/files/yolov3.weights

그 다음 해당 명령어로 실행해보세요.

1	./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg

-----------------------------------------------------------------------------------------------------------------------

YOLO에서 제공해주는 가중치 파일 중 tiny라는 파일이 있는데 tiny는 volov3 보다 가벼운 파일 입니다.

1	wget https://pjreddie.com/media/files/yolov3-tiny.weights

tiny로 받으셨을 때의 명령어 입니다.

1	./darknet detect cfg/yolov3-tiny.cfg yolov3-tiny.weights data/dog.jpg

------------------------------------------------------------------------------------------------------------------------

실행되는 동안 해당 문구가 뜰것입니다.

1 2 3 4 5 6 7 8 9 10 11 12

layer     filters    size              input                output     0 conv     32  3 x 3 / 1   416 x 416 x   3   ->   416 x 416 x  32  0.299 BFLOPs     1 conv     64  3 x 3 / 2   416 x 416 x  32   ->   208 x 208 x  64  1.595 BFLOPs     .......   105 conv    255  1 x 1 / 1    52 x  52 x 256   ->    52 x  52 x 255  0.353 BFLOPs   106 detection truth_thresh: Using default '1.000000' Loading weights from yolov3.weights...Done! data/dog.jpg: Predicted in 0.029329 seconds. dog: 99% truck: 93% bicycle: 99%

완료가 되었다면 위의 사진과 같이 객체에 대한 결과가 출력이 될것입니다.

dog 이미지 뿐만 아니라 data/eagle.jpg, data/person.jpg, data/horses.jpg 이미지도 있으니 연습해보시는 것도 괜찮습니다.

 

웹캠에서 실행 시키는 명령어 입니다.

1	./darknet detector demo cfg/coco.data cfg/yolov3.cfg yolov3.weights

동영상 파일을 실행 시키는 명령어 입니다.

1	./darknet detector demo cfg/coco.data cfg/yolov3.cfg yolov3.weights <video file>

동영상 파일은 사용하실때 <video file>에 동영상 파일의 이름을 넣어주시면 됩니다. (확장자 포함)