우분투 yolo v4 설치 및 실행 방법

object detection

우리는 우분투에서 yolo 를 실행하기 위해 CUDA, OpenCV, cuDNN 설정을 해줘야 한다. 이 설정에 대한 방법은 추후 본블로그 글에서 확인할 수 있을 것이다.

 

sudo apt update
pip install opencv-python
sudo apt install libopencv-dev

sudo apt 로 opencv 를 설치 할 수도 있지만 이러면 최신버전인 OpenCV 인 4.xx 가 아닌 3.xx 가 설치되므로 위와 같이 실행하여 설치를 해주자.

 

다음으로 cuDNN 과 CUDA 가 설정되어 있어야 하는데 이는 다음 글에서 설명하겠다. 참고로 depth 가 나오는 ZED 카메라를 사용하려면 CUDA 버전이 11.5 여야 하므로(우분투 20.04 기준)(18.04 는 10.2) 이를 꼭 참고하여 설정해줘야 한다.

 

그 다음 원하는 장소에 yolo 설치를 위해 git clone 을 해준다.

https://github.com/AlexeyAB/darknet.git

 

그 다음 설치된 darknet 폴더 안에 Makefile 을 수정해줘야 한다. Makefile 수정의 이유와 자세한 설명들은 아래 링크를 보면 되고 바로 사용하려면 아래와 같이 수정하면 된다.

https://github.com/AlexeyAB/darknet/#how-to-compile-on-linux-using-make

GitHub - AlexeyAB/darknet: YOLOv4 / Scaled-YOLOv4 / YOLO - Neural Networks for Object Detection (Windows and Linux version of Da

 

GPU=1
CUDNN=1
CUDNN_HALF=1
OPENCV=1

 

그 다음 자신의 GPU 에 맞는 ARCH 를 설정해줘야 한다. 이는 아래 링크에서 확인하고 만약 Nvidia GPU 6.1 로 나와 있으면 아래와 같이 61로 변경해서 적으면 된다.

https://developer.nvidia.com/cuda-gpus

CUDA GPUs

 

ARCH= -gencode arch=compute_61,code=[sm_61,compute_61]

 

그 다음 수정된 사항들을 적용시켜주는 명령을 한다. 아래와 같이 하면 된다.

 

cd darknet
make

 

그 다음 yolo v4 의 weight 파일을 다운로드 해야한다. 아래와 같이 받으면 된다.

wget https://github.com/AlexeyAB/darknet/releases/download/darknet_yolo_v3_optimal/yolov4.weights

 

이제 yolo 를 실행시켜보자. 먼저 예시 사진 명령어는 아래와 같다. 두가지 명령어 모두 같은 아웃풋이다.

./darknet detect cfg/yolov4.cfg yolov4.weights data/dog.jpg

./darknet detector test cfg/coco.data cfg/yolov4.cfg yolov4.weights data/dog.jpg

이 명령어는 먼저 ./darknet 은 "현재 darknet 폴더에서"  라는 뜻이고 detect 는 말 그대로 detect 한다는 것이고 cfg/yolov4.cfg 는 우리가 설정한 yolo 의 레이어 대로 실행한다는 뜻이고 yolov4.weights 는 우리가 다운 받거나 직접 학습시켜서 만들어낸 weight file 을 사용한다는 뜻이고 data/dog.jpg 는 data 폴터 안에 dog.jpg 라는 파일을 detect 하라는 뜻이다.

 

이제 Real-Time Detection 을 웹캠으로 하기 위한 명령어는 아래와 같다.

./darknet detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights

이 명령어를 노트북에서 실행하면 아마 내장된 웹캠으로 켜질 것이므로 카메라를 바꾸고 싶다면 아래와 같이 위에 -c 1, -c 2 와 같이 설치한 웹캠이 몇번째 카메라인지 찾으며 실행시켜 보면 된다.

./darknet detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights -c 2

 

 

또한 detection 에 대한 디버깅을 하기 위해 녹화된 영상을 yolo 로 돌리기 위해서는 아래와 같은 명령어를 실행시키면 된다.

./darknet detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights <video file>

./darknet detector demo cfg/coco.data cfg/yolov4.cfg yolov4.weights <video file> -out_filename <output_video file>

 

다음에는 custom data 를 통해 학습하는 방법을 설명하도록 하겠다.

 

 

------------------------------

자주 발생하는 오류 해결 링크

https://stackoverflow.com/questions/55035797/darknet-segmentation-fault-core-dumped

Darknet- Segmentation fault (core dumped)