[YOLO DARKNET] 구성 및 설치, 사용방법

이번 포스팅에서는 YOLO Darknet의 구성, 설치 및 사용방법에 대해서 포스팅하겠습니다.

Pre - requirement

1. OpenCV 2.4.XX

2. CUDA

Install

YOLO Darknet 페이지(https://pjreddie.com/darknet/yolo/) 를 확인하면 설치방법을 확인 할 수있습니다.

Darknet의 소스는 다음 github 저장소에서 확인할 수 있습니다.

이번 포스팅에서는 최신버전의 코드(Darknet V2)가 아닌, 다음과 같은 이전버전(Darknet V1)의 코드를 사용하였습니다.

Yolo Darknet의 폴더 구조는 다음과 같습니다.

darknet

|

|- cfg /

|- data/

|-LICENSE

|-Makefile

|-obj/

|-README.md

|-results/

|-scripts/

|-src/

Makefile을 열어보면, 다음과 같은 내용을 확인할 수 있습니다.

CUDA 설치를 완료했다면, GPU=0을 GPU=1로

OpenCV 설치를 완료했다면, OPENCV=0을 OPENCV=1로 바꾸어줍니다.

둘 다 설치가 안되어있다면, OPENCV=0, GPU=0으로 설정합니다.

OpenCV와 CUDA 없이도 실행은 가능하나, Yolo Darknet에서 사용할 수 있는 기능에 대한 제약이 많아지게 됩니다.

해당 Makefile에서 몇가지를 살펴보면 다음과 같습니다.

NVCC=nvcc -> CUDA compiler

VPATH=./src/ -> 소스코드 위치

EXEC -> 실행 파일 명

CC          -> C Compiler

LDFLAGS -> linker option

CFLAGS          -> compile option

이제 해당 내용에 대한 설정을 완료했다면, 터미널창(리눅스 기준)

make 명령어를 입력하여 코드를 Compile해줍니다.

컴파일이 완료되면 폴더에 darknet이라는 실행파일이 만들어집니다.

Test

테스트하기 이전에 YOLO Darknet의 기본적인 명령어는 다음과 같은 구성을 갖습니다.

./ (실행파일) (Darknet에서 지원하는 딮러닝 아키텍쳐 종류) (사용할 함수 이름) (설정파일) (가중치<Weights>파일) (추가옵션)

예)

1. 단일 이미지에 대한 테스트

./darknet yolo test cfg/yolo.cfg yolo.weights data/dog.jpg

2. 카메라 스트리밍 영상 혹은 동영상에 대한 테스트 

./darknet yolo demo cfg/yolo.cfg yolo.weights -c<number> : 카메라 index number

./darknet yolo demo cfg/yolo.cfg yolo.wegiths test.mp4 : 동영상에 대한 테스트

기본적으로 VOC에 대한 가중치 파일은 YOLO Darknet 사이트에서 제공하나, 실제 원하는 도메인에 사용하고자 한다면, 

직접 학습을 시켜야합니다.

Train

YOLO Darknet 폴더 안의 scr/yolo.c 파일을 열어보면 다음과 같은 내용을 확인할 수 있습니다.

char *voc_names[] = {"aeroplane", "bicycle", "bird", "boat", "bottle", "bus", "car", "cat", "chair", "cow", 
"diningtable", "dog", "horse", "motorbike", "person", "pottedplant", "sheep", "sofa", "train", "tvmonitor"};
 
char *train_images = "/data/voc/train.txt";
char *backup_directory = "/home/pjreddie/backup/";

char *voc_names[]는 클래스의 이름을 설정하는 변수이며, char *train_images는 학습할 image들의 list.txt파일의 위치, char *backup_directory는 학습을 하면서 중간결과들을 저장해놓는 폴더 위치입니다. 최종 가중치 파일(Weights)파일도 해당 디렉토리에 저장됩니다.

사용할 용도에 맞게 위의 내용을 변경 및 원하는 딮러닝 모델(cfg파일)을 만든 후에 darknet 폴더에서 다시 make를 실행한 후, 다음과 같은 명령어를 입력하여 학습을 진행합니다.

./darknet yolo train cfg/yolo.cfg (pre-trained model)

여기서 Pre-trained Model이 없다면, 가중치는 자체적으로 초기화한 가중치 값을 사용하게 됩니다.

학습이 정상적으로 진행이 된다면, 다음과 같은 화면이 나타나게 됩니다.