DongyoungKwon

Update README.md

Showing 1 changed file with 75 additions and 1 deletions
...@@ -6,9 +6,83 @@ ...@@ -6,9 +6,83 @@
6 <br><br> 6 <br><br>
7 7
8 ## 프로젝트 소개 8 ## 프로젝트 소개
9 - * 딥러닝을 이용하여 저렴하고 데이터 처리가 용이한 카메라를 통한 영상인식 기술을 활용해 차간 거리를 일정하게 유지하며 주행하는 Adaptive Cruise Control기능을 구현한다. 9 + ![1](/uploads/2f442cc7eea9bd0f4eada9af25a1661c/1.gif)
10 + ![2](/uploads/fe4fb3dafda1db03d437de45260a15af/2.gif)
11 +
12 + * 딥러닝을 이용하여 저렴하고 데이터 처리가 용이한 카메라를 통한 영상인식 기술을 활용해 차간 거리를 일정하게 유지하며 주행하는 Adaptive Cruise Control 기능을 제공한다.
10 <br><br> 13 <br><br>
11 14
15 +## 디렉토리 구조
16 +```shell
17 +HEN_Project2
18 +├── dataset
19 +│ ├── ver_1
20 +│ ├── ver_2
21 +│ └── ver_3
22 +
23 +├── docs
24 +│ ├── 기초보고서
25 +│ ├── 면담보고서
26 +│ ├── 중간보고서
27 +│ └── 최종보고서
28 +
29 +└── src
30 + ├── cart
31 + │ ├── main_arm.c
32 + │ └── main_cart.c
33 +
34 + ├── weights
35 + │ ├── cart_model_v1.pt
36 + │ ├── cart_model_v2.pt
37 + │ ├── cart_model_v3.pt
38 + │ ├── cart_model_v4.pt
39 + │ └── cart_model_v5.pt
40 +
41 + └── detect.py
42 +```
43 +
44 +## 실행 방법
45 +
46 +### YOLO 설치
47 +
48 +라즈베리파이에서 `git clone https://github.com/ultralytics/yolov5`
49 +안내에 따라 필요한 모듈 설치
50 +
51 +### YOLO 구성 및 구동 방법
52 +1. car_data 폴더 : yolov5 모델 학습에 사용된 커스텀 이미지파일 포함
53 +(label파일도 포함되어 있음)
54 +
55 +2. yolov5 : yolov5 모델의 전체 구성파일이 포함
56 +- 주요파일
57 + 1) best.pt : 커스텀 이미지로 학습된 yolov5모델
58 + 2) detect.py : 객체인식을 구동시키기 위한 파이썬 파일
59 + 3) /data/car_data.yaml : 학습할 이미지파일들의 정보가 포함된 파일
60 + 4) /models/yolov5s.yaml : 학습할 데이터셋의 뼈대
61 +
62 +- train을 위한 명령어
63 +(yolov5 폴더에서) 다음 명령어 실행
64 +`python3 train.py --img 64 --batch 3 --epochs 30 --data car_data.yaml --cfg ./models/yolov5s.yaml --weights yolov5s.pt --name custom3_car_yolov5s`
65 +- 파라미터 설명
66 + 1) img : 학습할 img size
67 + 2) batch : 한번에 처리되는 이미지 개수
68 + 3) epochs : 학습 반복 횟수
69 + 4) data : custom yaml 파일
70 + 5) cfg : 뼈대 yaml 파일
71 + 6) weights : 기초 가중치 파일
72 + 7) name : 학습한 가중치 파일과 관련 내용들이 들어갈 폴더명 (runs/train/에 생성된다)
73 +
74 +- 객체인식을 위한 명령어
75 +(yolov5 폴더에서) 다음 명령어 실행
76 +`python3 detect.py --weights best.pt --img 128 --conf 0.4 --source 0`
77 +- 파라미터 설명
78 + 1) weights : 학습된 가중치 파일
79 + 2) img : 인식할 이미지 크기
80 + 3) conf : 인식할 객체의 최저 인식률
81 + 4) source : 인식할 이미지 및 영상 파일 *(라즈베리파이에서 웹캠을 source로 하고 싶다면 '0'을 넣으면 된다)*
82 +
83 +## Reference
84 +
85 +
12 ## 팀원 86 ## 팀원
13 - 권동영 (2016110307) 87 - 권동영 (2016110307)
14 - 신동해 (2018110651) 88 - 신동해 (2018110651)
......