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 | +  |
10 | +  | ||
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` 후 | ||
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) | ... | ... |
-
Please register or login to post a comment