코딩 공부 블로그

https://basically.tistory.com/46 [YOLOv8] colab을 통한 AI학습, helmet detection project2- DATASET : robotflowRobotflow가 굉장히 쓰기 편해서 좋았다.YOLOv8로 설정하고 zip으로 다운받을 수도 있고, url, 코드 등으로도 받을 수 있다.  - 프로젝트 진행dataset을 zip으로 다운받아 vs code로 yolo 학습basically.tistory.com에서 YOLOv8을 학습하고 수치를 통해 정밀도와 재현율, mAP 비율을 확인했는데,이에 대한 의미가 명확하지 않아 정리하였다. - 수치 확인 방법best.pt, test 데이터셋, dataset.yaml 만 있다면 확인 가능하다.// 우선적으로 python 버전이..

최종! 헬멧을 감지하는 기능을 만들기 위해 여러번 학습을 시도한 끝에 최종적으로 완료했다.밝은 색의 모자를 헬멧으로 감지한다던지, 아래 각도에서는 헬멧 판단 확률이 낮다던지,헬멧 감지 지속률이 없는 문제 등을 해결하였다.해결하는 방법은 epoch값과 같은 학습하기 위한 수치를 변경하기 보단,대체로 필요하다고 느낀(부족한) 데이터셋을 추가하고 직접 라벨링하여 다시 학습하는 것으로 문제를 해결하였다. 감지율은 매우좋다. 헬멧을 착용하였다고 판단하는 class with_helmet은 0.8이상 확률일 경우 헬멧을 착용하였다고 판단하도록 설정하였고, without_helmet은 0.5이상이 되면 헬멧을 착용하지 않은 것으로 판단하도록 하였다.정확도를 높이고, 헬멧을 착용한 사용자가 헬멧을 착용하지 않은 것으로 ..

사실 꿀팁이랑 주의사항이라고 할 것이 없다. 코랩을 쓰고있는 사람들은 이미 알 것 같은 이야기들 뿐이긴하다.그래도 코랩을 처음 이용하는 사람들에게 도움이 될까하여 기록해둔다. - SettingRuntime --> Change runtime type --> Hardware accelerator에서 CPU를 GPU를 바꿀 것학습시키는 경우, CPU와 GPU 차이는 매우 크다...  - GPU 주의 사항 Colab 무료 버전을 쓰고 있다면 GPU 사용 제한이 있다.너무 많이 런타임을 지속하고 있으면 끊기고, 한동안 사용하지 못한다.나같은 경우, 학습시키고 결과물(best.pt, last.pt, 결과물 수치, 테스트 결과 등)을 모두 Google drive로 마운트했다. 마운트 코드# Google Drive를 ..

- DATASET : robotflowRobotflow가 굉장히 쓰기 편해서 좋았다.YOLOv8로 설정하고 zip으로 다운받을 수도 있고, url, 코드 등으로도 받을 수 있다.  - 프로젝트 진행dataset을 zip으로 다운받아 vs code로 yolo 학습 진행 중이었는데 저장공간이 부족해서 학습에 실패하는 일이 발생했다.바로 Colab으로 수행을 했다. Colab은 어느정도 기본 실행은 무료로 가능하다.대신 너무 많이 작업을 할 경우, 한동안 중단되어 사용못하는 일이 벌어진다.Hardware accelerator에서 CPU를 GPU를 바꾸면 더 빨리 학습이 가능하다. 속도 차이가 엄청 크다. 처음은 Roboflow에서 제공하는 약 800개의 라벨링된 데이터셋을 이용하여 학습을 진행하였다.헬멧 데이..

- colab 런타임 연결 유지하는 방법f12 - console에 넣기function ClickConnect(){console.log("Working"); document.querySelector("colab-toolbar-button").click() }setInterval(ClickConnect, 1800000)

팀 주제 : AI 기술을 이용한 스마트 전동킥보드 안전 시스템 3월 초에 주제를 정한 후, 3월 4월에 걸쳐 한창 문서 작업을 하다가 팀원들 각자 하나의 기능을 맡아 구현하기로 했다.내가 맡은 기능은 전동 킥보드 이용자가 헬멧을 착용하였는지 탐지하고, 2인 이상 탑승하였는지 감지하는 객체 탐지이다.우선 헬멧 착용을 감지하는 ai 학습을 진행할 예정이다.객체 탐지와 관련된 논문을 읽어본 결과 YOLO가 가장 객체 탐지 정확도를 높이는 모델이라 하여서 YOLO를 AI 학습 모델로 사용하기로 했다. YOLO도 버전이 많은데, 그 중 가장 최신에 나오기도 하고, 객체 탐지가 잘된다고 하는 YOLOv8를 사용할거다. DAY1. 2024/05/15Target : contain the dataset of 'bike ..

앞의 내용 이어서... 앞의 내용은 사이킷런의 K-최근접 이웃 알고리즘을 이용하여 '도미와 빙어를 구별할 수 있는 머신러닝'을 만드는 것이었다. 해당 내용을 만들고 테스트를 해야하는데, 훈련으로 사용할 input data를 test data로 이용하는 것은 당연히 정답이 나올 수 밖에 없는 이상한 상황이다. 이러한 문제를 파악하고 현재 가지고 있는 데이터에서 훈련 세트(input data)와 테스트 세트(test data)로 나누기로해서 프로그램을 진행하기로 했다. 기존 코드는 이와 같다. # 생선 분류 문제 # 도미 데이터 bream_length = [25.4, 26.3, 26.5, 29.0, 29.0, 29.7, 29.7, 30.0, 30.0, 30.7, 31.0, 31.0, 31.5, 32.0, 3..

분류 (classification): 여러 개의 종류(클래스)에서 하나를 구별하는 것 이진분류 (binary classification) : 두 개의 클래스에서 하나 고르기 - 이진분류 : 도미와 빙어 분류하기 1. 데이터 확인 : matplotlib(맷플롯립) 사용 matplotlib : 파이썬에서 과학계산용 그래프를 그리는 패키지 코드 length = ... length에 대한 데이터 weight = ... weight에 대한 데이터 import matplotlib.pyplot as plt plt.scatter(length, weight) plt.xlabel('length') plt.ylabel('weight') plt.show() 결과 : 그래프가 그려짐 2. 사이킷런으로 이용할 데이터 2차원 리스..