YOLOv6の検証を簡単に実施した結果
物体検出のアルゴリズムであるYOLOv6が2022年6月の公開されたとのこと。今まではv5を使うことが多く、それとの比較が気になったので実際に試してみました。
YOLOは頻繁にバージョンアップがなされていることから人気の高さを感じます。実装もかなり楽になりました。各バージョンの違いなどは下記のサイトにしっかりまとまっていたのでご覧ください。
検証環境
OS:windows11
CPU:Core(TM) i5-10300H CPU @ 2.50GHz
GPU:GeForce GTX1650
python:3.9.12
他、仮想環境はYOLOv6用に作成しています。
環境構築
GitHubよりダウンロードします。
ダウンロードしたら、適当なフォルダに解凍します。今回はC:\YOLOv6というフォルダへ解凍しました。
AnacondaPromptなどを開き、フォルダを移動したのち、requirements.txtを実行してパッケージをインストールします。
cd YOLOv6
pip install -r requirements.txt
※なおPyTorchなどの一部パッケージが入らない場合が発生するかもしれません。次の工程でエラーが発生する場合があります。特にバージョンなどを指定しなくても、最新版を入れることで対応できました(2022/07/30現在)。
pip install torch
推論を実行
実行する前に学習モデルを下記のサイトからダウンロードします。今回は比較的軽量なyolov6s.ptをダウンロードしました。このファイルを適当なフォルダを作成して格納します。今回はweightsというフォルダに格納しました。
ここまでやればすぐに推論を実行することができます。
python tools/infer.py --weights weights/yolov6s.pt --source data/images/
結果
実際の結果です。
![](https://assets.st-note.com/img/1659170730277-jYVacvz9tK.jpg?width=800)
結構高い値が出たように思えます。v5と比較してみます。
![](https://assets.st-note.com/img/1659170831053-Yq58Frxs8g.jpg?width=800)
全体的にv6のほうが改善されているように思えます。ただ値は低いものの、右の男性のネクタイはv6では捉えられていませんが、v5では捉えられています。この辺がどう影響するかが気になるところです。
細かい精度の確認や応用はこれからですが、全体的な精度を改善させることができる可能性は高いと思います。データが少なく精度に悩んでいる方はアルゴリズムを変えることで精度向上につながることが期待できるので一度検討してみてはいかがでしょうか。
<参考サイト>
Pytorchについて勉強したい方は下記の書籍もおススメです。
この記事が気に入ったらサポートをしてみませんか?