이미지를 기반으로 빠르게 인식 학습을 시키기 위한 구글의 코랩 서비스 활용하는 내용입니다. 

이번 영상도 중급자 이상 되시는 분들은 바로 패스해주세요. ~~

관련 소스 공유합니다.  

(본 소스는 인터넷에서 공개된 소스를 기반으로 약간 손을 본 소스이니 참고하여, 본인의 환경에 맞게 사용하시기 바랍니다.)
 

1. 로보플로우에서 만든 학습 가능한 파일 불러오기 (개인적으로 진행한 소스입니다. 열리지 않을수도 있습니다.)

!wget -O Car_model_data.zip https://app.roboflow.com/ds/3cbqnHnPFN?key=c8X25coS7U

2. 불러온 Zip 파일을 풀고, 정해진 위치에 저장

import zipfile
with zipfile.ZipFile('/content/Car_model_data.zip') as target_file:
  target_file.extractall('/content/Car_model_data/')

3. 불러온 파일중 yaml 파일을 확인 

!cat /content/Car_model_data/data.yaml

4. PyYAML 을 설치

!pip install PyYAML

5. Python으로 작성된 YAML 데이터를 생성하고 파일로 저장한 다음, 다시 파일을 읽어와 데이터를 로드

import yaml

data = {'train' : '/content/Car_model_data/train/images',
               'val' : '/content/Car_model_data/valid/images',
               'test' : '/content/Car_model_data/test/images',
               'names' : ['benz','bmw','gv80'],
               'nc' : 3 }

with open('/content/Car_model_data/Car_model_data.yaml','w') as f:
  yaml.dump(data,f)

with open('/content/Car_model_data/Car_model_data.yaml', 'r') as f:
  Car_model_yaml = yaml.safe_load(f)
  display(Car_model_yaml)

6. ultralytics 라이브러리를 설치

!pip install ultralytics

7.  설치 확인

import ultralytics
ultralytics.checks()

8. YOLO를 불러오고, yolov8n.pt를 저장

from ultralytics import YOLO
model = YOLO('yolov8n.pt')

9. yolov8n.pt 에 학습된 모델을 출력

print(type(model.names), len(model.names))
print(model.names)

10. yolov8n.pt 모델을 기반으로 , 로보플로에서 만든 car_model_data.yaml 로 100번의 학습을 진행

model.train(data = '/content/Car_model_data/Car_model_data.yaml', epochs=100, patience=30, batch=32,imgsz=412)

11. 학습된 결과를 출력

print(type(model.names),len(model.names))
print(model.names)