yolov6_chinchilla_detect

rovoflow

---

%cd /content/drive/MyDrive/Colab Notebooks/DeepLearning/yolo_study

### CLI code로 구현해보기

# yolov6 다운 및 설치
# 커스텀 튜토리얼 확인하기
!git clone https://github.com/meituan/YOLOv6
%cd YOLOv6
!pip install -r requirements.txt

# 데이터셋 불러오기
!pip install roboflow

from roboflow import Roboflow
rf = Roboflow(api_key="2RwhYgW2noUchmxaFzwL")
project = rf.workspace("yolostudy-vc24r").project("chin_detect-cp7kt")
dataset = project.version(1).download("mt-yolov6")

# 커스텀 데이터 학습하기
# tools/train.py 학습 모드가 진행되는 파일 연결
# device 0 : gpu
# batch : 배치사이즈(한번 학습할 때 사용되는 데이터 크기)
# data : 데이터 연결되는 경로 설정 파일
# conf : 미세 조정하는 학습 모델 연결
!python tools/train.py --batch 32 --epochs 100 --conf configs/yolov6s_finetune.py --data chin_detect-1/data.yaml --device 0

# 예측 infer
# yaml 데이터 경로 설정
# weights 베스트 모델 가중치 연결
# source 예측할 데이터 설정
!python tools/infer.py --yaml chin_detect-1/data.yaml --weights runs/train/exp/weights/best_ckpt.pt --source chin_detect-1/images/test/ --device 0

# 예측한 결과 가져오기
import glob
from IPython.display import Image, display
i = 0
limit = 10
# 이미지가 많을 경우 10장만 출력
for image_name in glob.glob('./runs/inference/exp/*.jpg'):
  if i < limit:
    display(Image(filename=image_name))
    print('\n')
  i += 1


### python code 구현해보기

!pip install ultralytics

from ultralytics import YOLO

model = YOLO('yolov6n.yaml') # 모델 빌드
model.info() # 모델 정보 확인

model.train(conf = 0.5, epochs=15, data='chin_detect-1/data.yaml')

model.predict(source='chin_detect-1/images/test/19_png.rf.6cc6bcc0dbcb0b735043481c1f4877ad.jpg')