YoloV5 Detector로 OCR 데이터셋 한글 검출하기

https://github.com/ultralytics/yolov5

GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite

yoloV5 공식 github에 가면

custom dataset 세팅부터

train, validation, test까지

설명이 자세하게 나와있다

 

AI 프로젝트 때도 욜로 모델을 사용했기에

이번 OCR 옛한글 detector 업무도

해당 github의 detector.py 파일과

작년에 학습한 weights 파일을 사용했다

 

(yolov5) D:\고혜정YOLO>python detect.py --weights data/best.pt --img 640 --conf 0.25 --source data/yolo_ocr_dataset/train/images

 

anaconda3 prompt에 만들어둔 가상환경에 접속해서

해당 command line을 입력하면 

다음과 같은 내용이 출력되면서 

사진 한 장씩 detection이 실시된다

 

data/yolo_ocr_dataset/train/images
detect: weights=['data/best.pt'], source=data/yolo_ocr_dataset/train/images, data=data\coco128.yaml, imgsz=[640, 640], conf_thres=0.25, iou_thres=0.45, max_det=1000, device=, view_img=False, save_txt=False, save_conf=False, save_crop=False, nosave=False, classes=None, agnostic_nms=False, augment=False, visualize=False, update=False, project=runs\detect, name=exp, exist_ok=False, line_thickness=3, hide_labels=False, hide_conf=False, half=False, dnn=False
YOLOv5  2022-6-12 Python-3.8.13 torch-1.11.0 CUDA:0 (NVIDIA GeForce GTX 1080 Ti, 11264MiB)

Fusing layers...
YOLOv5l6 summary: 476 layers, 76118664 parameters, 0 gradients

 

detection 결과는

runs\detect\exp 폴더에서 확인 가능하다

 

이후 val.py 파일로 test도 진행했다

 

(yolov5) D:\YOLO>python val.py --data "D:\yolo_ocr_dataset\test.yaml" --weights "D:\YOLO\best.pt" --task test

test.yaml 파일에는

validation 또는 test에서 사용하기 위한

파일 경로와 class 정보를 넣어야 한다

 

path : D:/YOLO/yolo_custom_dataset

train : train/images
val : validation/images
test : all/images
nc : 1

names : ['text']

 

val.py에서 task를 test로 지정하면

해당 이미지셋에 대한 테스트를 할 수 있다

 

테스트 결과는 다음과 같다

 

val: data=D:\yolo_ocr_dataset\test.yaml, weights=['D:\\YOLO\\best.pt'], batch_size=32, imgsz=640, conf_thres=0.001, iou_thres=0.6, task=test, device=, workers=8, single_cls=False, augment=False, verbose=False, save_txt=False, save_hybrid=False, save_conf=False, save_json=False, project=runs\val, name=exp, exist_ok=False, half=False, dnn=False
YOLOv5  2022-6-12 Python-3.8.13 torch-1.11.0 CUDA:0 (NVIDIA GeForce GTX 1080 Ti, 11264MiB)

Fusing layers...
YOLOv5l6 summary: 476 layers, 76118664 parameters, 0 gradients
test: Scanning 'D:\YOLO\custom_dataset\all\labels' images and labels...729 found, 1 missing, 0 empty, 0 corrupt: 100%|██████████| 730/730 [00:06<00:00, 105.46it/s]
test: New cache created: D:\YOLO\custom_dataset\all\labels.cache
               Class     Images     Labels          P          R     mAP@.5 mAP@.5:.95:   4%|▍         | 1/23 [00:21<07:48, 21.31s/it]                                                                                                      WARNING: NMS time limit 1.260s exceeded
               Class     Images     Labels          P          R     mAP@.5 mAP@.5:.95:   9%|▊         | 2/23 [00:27<04:23, 12.53s/it]                                                                                                      WARNING: NMS time limit 1.260s exceeded
               Class     Images     Labels          P          R     mAP@.5 mAP@.5:.95:  13%|█▎        | 3/23 [00:34<03:16,  9.81s/it]                                                                                                      WARNING: NMS time limit 1.260s exceeded
               Class     Images     Labels          P          R     mAP@.5 mAP@.5:.95:  30%|███       | 7/23 [00:57<01:               Class     Images     Labels          P          R     mAP@.5 mAP@.5:.95:  35%|███▍               Cl               Class     Images     Labels          P          R     mAP@.5 mAP@.5:.95:  48%|████▊     | 11/23 [01:17<01:03,  5.25s/it]                                                                                                                  Class     Images     Labels          P          R     mAP@.5 mAP@.5:.95:  52%|█████▏    | 12/23 [01:22<00:57,  5.23s/it]                                                                                                                  Class     Images     Labels          P          R     mAP@.5 mAP@.5:.95:  57%|█████▋    | 13/23 [01:27<00:50,  5.07s/it]                                                                                                                  Class     Images     Labels          P          R     mAP@.5 mAP@.5:.95:  61%|██████    | 14/23 [01:32<00:45,  5.11s/it]                                                                                                                  Class     Images     Labels          P          R     mAP@.5 mAP@.5:.95:  65%|██████▌   | 15/23 [01:37<00:40,  5.11s/it]                                                                                                                  Class     Images     Labels          P          R     mAP@.5 mAP@.5:.95:  70%|██████▉   | 16/23 [01:42<00:34,  4.98s/it]                                                                                                                  Class     Images     Labels          P          R     mAP@.5 mAP@.5:.95:  74%|███████▍  | 17/23 [01:46<00:27,  4.62s/it]                                                                                                                  Class     Images     Labels          P          R     mAP@.5 mAP@.5:.95:  78%|███████▊  | 18/23 [01:48<00:19,  3.90s/it]                                                                                                                  Class     Images     Labels          P          R     mAP@.5 mAP@.5:.95:  83%|████████▎ | 19/23 [01:51<00:14,  3.54s/it]                                                                                                                  Class     Images     Labels          P          R     mAP@.5 mAP@.5:.95:  87%|████████▋ | 20/23 [01:53<00:09,  3.30s/it]                                                                                                                  Class     Images     Labels          P          R     mAP@.5 mAP@.5:.95:  91%|█████████▏| 21/23 [01:56<00:06,  3.10s/it]                                                                                                                  Class     Images     Labels          P          R     mAP@.5 mAP@.5:.95:  96%|█████████▌| 22/23 [01:59<00:02,  2.99s/it]                                                                                                                  Class     Images     Labels          P          R     mAP@.5 mAP@.5:.95: 100%|██████████| 23/23 [02:02<00:00,  3.03s/it]                                                                                                                  Class     Images     Labels          P          R     mAP@.5 mAP@.5:.95: 100%|██████████| 23/23 [02:02<00:00,  5.32s/it]
                 all        730      99316          1      0.997      0.995      0.924
Speed: 0.2ms pre-process, 19.7ms inference, 8.0ms NMS per image at shape (32, 3, 640, 640)
Results saved to runs\val\exp44

detection 결과는 데이터셋 보호(?)를 위해

공개를 하지 않고,

test 결과 생성된 성능 지표를 첨부한다