Custom Detectron2 Inference!! (Person Detection)-챕터 3 학습된모델로 새로운 이미지 예측하기(구글 Colab)

목차

EP1. 데이터셋 만들기

EP2. 모델 훈련시키기

EP3. 정확도 확인하기

 

 

새로운 이미지를 보여주고 Segmentation한 결과를 확인하는 방법이다.

 

1) 빌드를 위한 기본 코드 (패키지 임포트 등) 을 실행해주고,

2) 예측할 폴더를 생성한다음(images_test) 새로운 이미지를 폴더에 넣어주고(구글클라우드 업로드)

3) 이미지를 불러와서 학습된 모델을 통해 예측하는 순서로 결과를 확인해보자.

 

 

1) 빌드를 위한 기본 코드 및 패키지 임포트(코랩은 런타임이 초기화되기때문에 다시 활성화하는 단계부터 실행해줌)

 1-1) detectron2 폴더로 경로이동시켜준다.

 %cd /content/drive/My Drive/Coding/detectron2 (본인껄로..)

 

 1-2) 패키지 임포트(다시 해줘야함)

# torchvision 설치
!pip install -U torch torchvision
!pip install git+https://github.com/facebookresearch/fvcore.git
import torch, torchvision
torch.__version__

# detectron2 original repo clone
%cd /content/drive/My Drive/Coding/detectron2 # 경로이동
# !git clone https://github.com/facebookresearch/detectron2 detectron2_repo # 아까했죠?ㅎㅎ
!pip install -e detectron2_repo

 1-3) 런타임 다시시작 (상단메뉴-런타임 다시 시작 Ctrl+M) 클릭

 1-4) 경로가 초기화 되었으니 다시 루트폴더로 이동해줍니다.

 %cd /content/drive/My Drive/Coding/detectron2 (본인껄로..)

 

 1-5) 다시 패키지 임포트해줍니다.

# You may need to restart your runtime prior to this, to let your installation take effect
# Some basic setup
# Setup detectron2 logger
import detectron2
from detectron2.utils.logger import setup_logger
setup_logger()

# import some common libraries
import matplotlib.pyplot as plt
import numpy as np
import cv2
from google.colab.patches import cv2_imshow

# import some common detectron2 utilities
from detectron2.engine import DefaultPredictor
from detectron2.config import get_cfg
from detectron2.utils.visualizer import Visualizer
from detectron2.data import MetadataCatalog, DatasetCatalog

 1-6 모두 스킵하고 아래 코드 실행해줍니다.

from detectron2.engine import DefaultTrainer
from detectron2.config import get_cfg
import os

cfg = get_cfg()
cfg.merge_from_file("/content/drive/My Drive/Coding/detectron2_tmp//detectron2_repo/configs/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml")
cfg.DATASETS.TRAIN = ("person",)
cfg.DATASETS.TEST = ()   # no metrics implemented for this dataset
cfg.DATALOADER.NUM_WORKERS = 2
cfg.MODEL.WEIGHTS = "detectron2://COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x/137849600/model_final_f10217.pkl"  # initialize from model zoo
cfg.SOLVER.IMS_PER_BATCH = 2
cfg.SOLVER.BASE_LR = 0.02
cfg.SOLVER.MAX_ITER = 300    # 300 iterations seems good enough, but you can certainly train longer
cfg.MODEL.ROI_HEADS.BATCH_SIZE_PER_IMAGE = 128   # faster, and good enough for this toy dataset
cfg.MODEL.ROI_HEADS.NUM_CLASSES = 1  # 1 classes (person)

os.makedirs(cfg.OUTPUT_DIR, exist_ok=True)
# trainer = DefaultTrainer(cfg)
# trainer.resume_or_load(resume=False)
# trainer.train()

cfg.MODEL.WEIGHTS = "/content/drive/My Drive/Coding/detectron2/output/model_final.pth" # 여기부분은 본인의 model이저장된 경로로 수정해줍니다.
cfg.MODEL.ROI_HEADS.SCORE_THRESH_TEST = 0.5   # set the testing threshold for this model
cfg.DATASETS.TEST = ("person", )
predictor = DefaultPredictor(cfg)

 

 1-7 새로운 이미지를 불러와서 예측해봅시다. 저는 detectron2 폴더 안에 data 폴더를 생성하고 그 안에 images_test폴더를 만든 후 제가 예측하고싶은 사진들을 업로드했습니다.

path = "/content/drive/My Drive/Coding/detectron2/data/images_test/00122.jpg"

im = cv2.imread(path)
outputs = predictor(im)

v = Visualizer(im[:, :, ::-1], MetadataCatalog.get(cfg.DATASETS.TRAIN[0]), scale=1.2)
v = v.draw_instance_predictions(outputs["instances"].to("cpu"))
cv2_imshow(v.get_image()[:, :, ::-1])

 

우선 학습을 많이 안했기 때문에.. 예측상태가 완벽하진 않네요.. 하지만 실제 현장 이미지에서 저정도 탐지한거면 잘 했다고 생각합니당~

 

이전 포스팅 링크는 아래와 같습니다.

Custom Detectron2 Training!! (Person Detection)-챕터 1 데이터셋 만들기

Custom Detectron2 Training!! (Person Detection)-챕터 1 데이터셋 만들기

Custom Detectron2 Training!! (Person Detection)-챕터 2 모델 훈련시키기(구글 colab)

Custom Detectron2 Training!! (Person Detection)-챕터 2 모델 훈련시키기(구글 colab)