[Yolov10] Custom Data 실습 코드

 

실습 중 경량화된 Object Detection 모델이 필요했고, Yolov10 nano를 학습해보기로 했음

 

#1.  Yolov10 Git clone & 가상환경 세팅

경로 : /home/project/yolov10

https://github.com/THU-MIG/yolov10

GitHub - THU-MIG/yolov10: YOLOv10: Real-Time End-to-End Object Detection [NeurIPS 2024]

 

git clone https://github.com/THU-MIG/yolov10.git

 

 

사용 중이던 가상환경에서는 버전 오류가 나길래 공식 Github의 Readme를 그대로 참고해서 가상환경 새롭게 만들었다

conda create -n yolov10 python=3.9
conda activate yolov10
pip install -r requirements.txt
pip install -e .

 

가상환경 이름 : yolov10

이런식으로 base 앞에 가상환경 이름이 뜨거나, base 없이 가상환경 이름이 터미널에 떠있어야 제대로 적용된 것이다

 

 

#2. Custom data 정리

 

Data는 해당 경로대로 지정해야한다

Images에는 이미지들, Labels에는 Yolov를 위한 라벨링 txt 파일들이 저장되어있다.

이미지, txt 저장 예시

 

(ex. ./data/images/test/2.jpg, ./data/labels/test/2.txt) 

images 와 labels 에 있는 파일들은 서로 매칭이 되어야함

 

비율은 Train 0.8 : Test 0.1 : Val 0.1 로 설정하였다

 

 

#3. Yaml 파일 제작

경로 : /home/project/yolov10.yaml

train:/data/images/train # train images
val:/data/images/val # val images
test: /data/images/test 

nc: 10  # number of classes
names : ['1', '2', '3', '4', '5', '6', '7', '8', '9', '10']

 

train, val, test 인자 경로 맞춰주기

 

nc : 클래스 갯수

names : 클래스 이름

 

 

#4. 원하는 모델 .pt 파일 다운로드

경로 : /home/project/yolov10n.pt

https://docs.ultralytics.com/ko/models/yolov10/#key-features

YOLOv10

 

원하는 모델의 파란색 이름을 클릭하면 해당 모델에 맞는 .pt 파일을 다운로드 받을 수 있다

 

 

#5. 학습

!yolo task=detect mode=train epochs=50 batch=10 plots=True model='/home/project/yolov10n.pt' data=' /home/project/yolov10.yaml'

 

명령어 실행시켜주면 된다

model : 4번에서 다운 받은 모델 .pt

data : 3번에서 제작한 yaml 파일 경로

 

 

에폭이 진행되고 완료되었다는 글 이후에 저장된 last.pt와 best.pt 파일 경로가 출력된다

해당 경로에서 가중치 파일을 찾으면 된다!