YOLO V5 の使い方

1. YOLO V5

「YOLO V5」は物体の位置と種類を検出する機械学習アルゴリズムです。

「YOLO V5」には、以下の4種類の大きさのCOCOモデルが提供されています。大きい方が精度が上がりますが、速度は遅くなります。

以下のグラフは、1枚の画像の推論にかかる時間（ms）の比較です。バッチサイズ8のV100 GPUを使用し、画像の前処理と後処理も含みます。

2. YOLO V5 のインストール

「YOLO V5」のインストールには、「Python 3.8以降」が必要です。

今回は、AnacondaでPython環境を構築して、インストールします。「macOS10.15.6」で動作確認しています。

$ conda create -n yolov5 python=3.8
$ conda activate yolov5
$ git clone https://github.com/ultralytics/yolov5.git
$ cd yolov5
$ pip install -U -r requirements.txt

自分の環境では「pyqt5」「opencv-python-headless」のインストールも必要でした。

$ pip install pyqt5
$ pip install opencv-python-headless

3. YOLO V5の実行

「Webカメラ」で「YOLO V5」を実行するコマンドは、次のとおりです。

$ python detect.py --source 0

デフォルトでは、一番軽い「YOLOv5s」を使用します。他のモデルを使用するには、ここからダウンロードして、「--weights yolov5m.pt」のように指定します。

$ python detect.py --source 0 --weights yolov5m.pt

4. 推論

推論は、Webカメラ以外の様々なメディア形式で実行できます。

$ python detect.py --source 0  # Webカメラ
    file.jpg  # イメージ
    file.mp4  # ビデオ
    path/  # フォルダ
    path/*.jpg  # glob
    rtsp://170.93.143.139/rtplive/470011e600ef003a004ee33696235daa  # rtspストリーム
    http://112.50.243.8/PLTV/88888888/224/3221225900/1.m3u8  # httpストリーム

「./inference/images」フォルダ内の画像を推論するには、次のコマンドを実行します。結果は「./inference/output」に出力されます。

$ python detect.py --source ./inference/images/ --weights yolov5s.pt --conf 0.4

5. 学習

はじめに、「roboflow」からデータセットをダウンロードします。

今回は、「Mask Wearing Dataset」（マスク着用データセット）を「YOLO v5」形式でダウンロードします。

「yolov5/data」フォルダに「test」「train」「valid」をコピーします。

「yolov5」フォルダに「data.yaml」をコピーし、以下のように編集します。

train: data/train/images
val: data/valid/images

nc: 2
names: ['mask', 'no-mask']

以下のコマンドで学習を実行します。

$ python train.py --data data.yaml --cfg yolov5s.yaml --weights '' --batch-size 16

BERT/GPT-3/DALL-E 自然言語処理・画像処理・音声処理 人工知能プログラミング実践入門