위의 서비스는 yolov5 모델을 기반으로 제작되었습니다. *UPDATE: 4.0ver에 적용되었습니다.
서비스 모델을 사용하기 위해서는 git의 코드를 다운받아야 합니다.
$ git clone https://github.com/metabuild-radarAI/crossroad_TrafficCount.git
$ cd crossroad_TrafficCountconda 가상환경 및 pip을 이용하여 환경을 세팅할수 있도록 하였으며 conda를 추천합니다. 가상환경 설치는 아래와 같습니다.
$ conda env create -f crossroad_service.yml서비스를 사용하기 위해 학습하는 명령어는 아래와 같습니다.
$ python train.py --weights yolov5s.pt --data (data 경로) --cfg models/yolov5s.yaml --epochs 300다중 GPU를 풀 가동하기 위해서는 아래의 명령어로 사용합니다.
$ python -m torch.distributed.launch --nproc_per_node (gpu 개수) train.py --weights yolov5s.pt --data (data 경로) --cfg yolov5s.yaml --epochs 300서비스 사용 방법중 동영상의 경우 아래와 같습니다.
$ python detect_aidrone.py --weights 300ep_uhd_c6_best.pt --source drone_video2.MP4이제부터 기존의 학습 파일은 여기에서 다운받을 수 있습니다. 또한 예제의 영상은 여기에서 다운받을 수 있습니다.
학습한 pt파일과 예제에 사용된 영상은 링크에 첨부되어있습니다.
영상의 Counting 영역을 지정하기 위한 오토툴은 현재 구상중에 있습니다. 그 전까지는 영상을 실행하여서 w키를 눌러서 이미지를 저장시키며 aidrone.png를 통해 영역의 좌표를 직접 계산하여야 합니다.