YOLO 학습용 Datasets 만들기 (Roboflow 활용법)

먼저 데이터 학습을 시킬 사진들이 준비가 되어있다면 바로 학습시키기 위한 작업을 해야합니다.

위에 사진처럼 Object detection을 위해서는 우리가 직접 Bounding box작업을 통해서 학습을 시켜야합니다.

(요즘은 이부분도 머신러닝으로 처리가능하다고 함)

 

1. 사진 등록하기

처음 create projedct창에서 객체탐지용이라면 프로젝트명과 탐지할 객체 종류정보만 입력 후 생성하면 됩니다.

하나의 workspace를 만들고서 Annotate카테고리에 가면 이미지를 등록 할 수 있습니다.

*사진 등록시에 사진을 하나하나 넣는 것은 불가능하고 한 폴더에 다 담은 상태에서 폴더를 드래그 앤 드롭시

폴더에있는 모든 사진이 등록됩니다. 주의!!!

 

2. Bounding Box

Bounding Box

오른쪽에 있는 도구들을 사용해서 사진에 Bounding Box 작업을 하면 됩니다. 

작업시 사각형 면이 4개인 사각형만 지켜주면 됩니다. 여백이 너무 많을시에는 여백부분도 학습에 특징점으로 활용 가능성이 있습니다.

 이렇게 등록한 모든 사진을 Bounding Box작업을 모두 수행하고서 다음으로 넘어갑니다.

(yolo custom 학습에 있어 가장 노동이 필요합니다. 국토부 자율주행 공모전때 1만장 정도 학습 시킬때 모든 사진을 Bounding Box작업을 수작업으로 진행 했습니다...)

 

3. Dataset 추출

여기서 저의 경우에는 모든 사진을 학습용 사진으로 활용 하였습니다. 그렇기에 "Add All Images to Training Set"을 설정한 상태로 넘어 갑니다. 그후 Generate New Version 클릭해서 사진에 대한 전처리 과정을 선택합니다.

그렇게 마지막까지 다 넘어가서 "export"라는 클릭버튼이 보인다면  클릭합니다.

 

여기서 이제 사용자가 사용할 프레임워크에 맞게 설정해야합니다.

저는 우분투 환경에서 YOLO Darknet을 통해 실행시키기 때문에 Darknet을 선택해서 zip파일로 다운을 받았습니다.

여기서 다운 받은 zip을 보면 폴더안에 JPG파일과 TXT파일이 존재 할 겁니다. 

JPG는 사진 TXT는 같은 이름의 사진에 대한 바운딩 박스 좌표값이 들어있습니다.

 

여기까지 학습시키기 전 Roboflow를 활용해 Datasets 만들기 과정이였습니다.

다음은 Darknet을 통해 model만들기를 해보겠습니다.