Wooks

참조 : https://learnopencv.com/train-yolov8-on-custom-dataset/

파이참을 실행하고 터미널을 열고  학습 데이터를 다운받음 (25G 정도되니 시간이 많이 걸립니다.)

wget https://www.dropbox.com/s/qvglw8pqo16769f/pothole_dataset_v8.zip?dl=1 -O pothole_dataset_v8.zip

다운이 완료되면  ultralytics-main\datasets  폴더안에 이동후 해당 파일 이름으로 압축을 해제

train \images  

프로젝트에서 마우스 오른쪽 버튼을 누르고, New  -> File 

아래 이름으로 생성 

pothole_v8.yaml

아래 내용을 복사후 저장 

훈련을 시킵니다. 

yolo task=detect mode=train model=yolov8n.pt imgsz=1280 data=pothole_v8.yaml epochs=50 batch=8 name=yolov8n_v8_50e

완료가 되면 runs\detect 폴더에 pt 파일이 생성됩니다. . 

프로젝트에 복사해주고 모델을 명을 변경해줍니다. 

스마트폰으로 포트홀 사진을 뛰운후 검출이 잘 됩니다. 

1) 파이썬 설치  

https://www.python.org/downloads/windows/  

os 맞는 bit 다운로드후 설치 

커스텀을 선택  IDLE는 체크를 안함,  => 파이참을 이용

설치 경로를 기억 

인스톨 버튼을 누름

2) 파이참 설치 ( IDE 툴 )

https://www.jetbrains.com/ko-kr/pycharm/

3) Yolo8 다운받기

https://github.com/ultralytics/ultralytics 

다운받은후 압축을 해제하고 적당한 폴더에 복사함

4) 파이참 실행 

해당경로를 아까 yolo8 다운 받은 경로로 변경

기존소스 선택 

터미널을 열고 

pip install ultralytics   엔터~~

Updating skeletons 완료될때까지 대기

 yolo predict model=yolov8n.pt source='https://ultralytics.com/images/bus.jpg'   

엔터

해당 경로에 객체 인식 결과 파일이   runs\detect\ 이미지 파일로 저장이됨