[YOLOv3] Object detection

포트홀을 탐지할 때 어떻게 코드를 짤지 공부를 하는 중이다

내가 참고한 링크 !

YOLO object detection using Opencv with Python - Pysource

---

YOLO + OpenCV

you only look once : object detection을 위한 CNN 기반의 물체인식 알고리즘

 

YOLO 설치 파일 : YOLO: Real-Time Object Detection

YOLO: Real-Time Object Detection

 

1. OpenCV 설치

python3 -m pip install opencv-python

cv2.__version__: 설치 확인

 

2. YOLO 사용

import cv2
import numpy as np

 

3. YOLO 로드

net = cv2.dnn.readNet("yolov3.weights", "yolov3.cfg")
classes = []
with open("coco.names", "r") as f:
    classes = [line.strip() for line in f.readlines()]
layer_names = net.getLayerNames()
output_layers = [layer_names[i[0] - 1] for i in net.getUnconnectedOutLayers()]
colors = np.random.uniform(0, 255, size=(len(classes), 3))

알고리즘 로드 →

weight (훈련된 모델)

cfg (구성파일, 알고리즘에 대한 모든 설정)

name (알고리즘이 감지할 수 있는 객체의 이름 포함)

 

4. 이미지 로드 ( + 이미지 정보)

img = cv2.imread("sample.jpg")
img = cv2.resize(img, None, fx=0.4, fy=0.4)
height, width, channels = img.shape

 

 

object detect

blob = cv2.dnn.blobFromImage(img, 0.00392, (416, 416), (0, 0, 0), True, crop=False)
net.setInput(blob)
outs = net.forward(output_layers # 감지 결과 (탐지된 개체의 모든 정보, 위치 제공)

이미지 Blob로 변환

Blob : 이미지에서 특징을 잡아내고 크기 조정

YOLO가 허용하는 세가지 크기

• 320 × 320 : 작고 정확도는 떨어지지 만 속도 빠름
• 609 × 609 : 정확도는 더 높지만 속도 느림
• 416 × 416 : 중간

 

6. 결과 화면에 표시 + 신뢰도, 신뢰 임계값 계산

class_ids = []
confidences = []
boxes = []
for out in outs:
    for detection in out:
        scores = detection[5:]
        class_id = np.argmax(scores)
        confidence = scores[class_id]
        if confidence > 0.5:
            # Object detected
            center_x = int(detection[0] * width)
            center_y = int(detection[1] * height)
            w = int(detection[2] * width)
            h = int(detection[3] * height)
            # 좌표
            x = int(center_x - w / 2)
            y = int(center_y - h / 2)
            boxes.append([x, y, w, h])
            confidences.append(float(confidence))
            class_ids.append(class_id)

신뢰도가 0.5 이상이라면 물체 감지로 판단

 

7. 노이즈 제거

indexes = cv2.dnn.NMSBoxes(boxes, confidences, 0.5, 0.4)

non maximum suppresion : 같은 물체에 대한 중복 박스 → 가장 정확한 bounding box 선택

box : 감지된 물체를 표시하는 사각형 , label : 감지된 물체의 이름, confidence : 0~1 사이의 신뢰도

 

8. 화면에 표시하기

font = cv2.FONT_HERSHEY_PLAIN
for i in range(len(boxes)):
    if i in indexes:
        x, y, w, h = boxes[i]
        label = str(classes[class_ids[i]])
        color = colors[i]
        cv2.rectangle(img, (x, y), (x + w, y + h), color, 2)
        cv2.putText(img, label, (x, y + 30), font, 3, color, 3)
cv2.imshow("Image", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

---

귀여븐 햄 ~