[Object Detection] 누구나 쉽게 따라할 수 있는 YOLOv5 모델 학습하기 | 커스텀 데이터 | YOLOv5 예제 코드

안녕하세요! AI & Computer Vision Engineer 뭅즤입니다 👋

 

본 포스팅은 YOLOv5를 커스텀 데이터셋으로 학습 및 테스트해 보는 예제 코드를 설명하는 글인데요.

처음 글을 작성했을 때보다 훨씬 더 쉽게 실습할 수 있도록 수정했으니, 참고 부탁드려요! 🤗

---

📌 Object Detection 

객체 검출 예시

 

Object Detection(객체 검출)은 이미지나 동영상 속에 있는 여러 객체의 유형과 위치를 알아내는 기술이에요. 이 기술 덕분에 자율주행 자동차가 주변의 사람이나 차량을 인식하고, 보안 카메라가 의심스러운 물체를 감지하거나, 스마트폰 카메라가 사진 속의 특정 물체에 초점을 맞출 수 있는 거라고 볼 수 있죠!

 

객체 검출하면 많은 분들이 떠올리는 대표적인 모델이 바로 YOLO 모델일 거예요. YOLO는 "You Only Look Once"의 약자로, 한 번에 이미지를 보고 물체를 빠르고 정확하게 검출하는 모델인데요. 그래서 오늘은 YOLOv5 모델을 사용해 객체 검출을 학습하고 테스트하는 튜토리얼을 준비했답니다.

 

요즘은 컴퓨터공학과나 AI 전공자가 아니더라도, 학업이나 프로젝트에 객체 검출 기술을 활용해보려는 분들이 많아요. 하지만, 코딩에 익숙하지 않은 경우에는 간단한 코드라도 실행 중 에러가 발생하고, 이를 해결하는 데 어려움을 겪을 수 있죠 😭

 

그래서 코딩 경험이 없는 분들도 쉽게 따라할 수 있도록 YOLOv5 학습 실습 예제을 구성했답니다. 이 튜토리얼이 필요한 분들께 많은 도움이 되길 바라요! 지금부터 YOLOv5를 활용한 객체 검출을 직접 실습하면서 이 기술을 어떻게 활용할 수 있는지 차근차근 배워볼까요? 🔥

 

실습 코드는 아래 깃헙 페이지를 참고 부탁드려요⬇️⬇️

Vision-AI-Tutorials/Object-Detection/YOLOv5_training_custom_dataset.ipynb at main · mov-z/Vision-AI-Tutorials

 

---

 

📌 실습 사전 준비

✅ Google Colab

이번 실습은 Google Colab(구글 코랩)에서 진행할 거예요. 코랩은 구글에서 제공하는 무료 클라우드 기반의 Jupyter 노트북 환경이에요. 코랩을 이용하면 별도의 프로그램 설치 없이 웹 브라우저에서 바로 Python 코드를 실행할 수 있어요. 또한 무료 GPU를 사용할 수 있고pytorch, tensorflow와 같은 패키지들은 이미 설치가 되어있고 구글 드라이브와 연동이 가능한 장점이 있으니 실습 환경으로 최적이랍니다.

 

이런 장점 덕분에 Google Colab은 AI/ML 실습이나 딥러닝 학습에 최적화된 도구로 많이 사용되고 있어요. 이번 YOLOv5 실습도 코랩에서 빠르고 편리하게 진행할 수 있으니, 차근차근 따라오시면 금방 객체 검출을 구현해볼 수 있을 거예요!

 

구글 드라이브에서 코랩 실행 방법

 

Colab 파일을 생성하는 방법은 구글 드라이브에서 신규 > 더보기 > Google Colaboratory 를 클릭하면 돼요.

 

✅ 데이터셋 

우선 객체 검출 모델을 학습하려면 학습 데이터셋이 있어야 해요. 본 실습에서는 roboflow의 객체 검출 데이터셋을 활용해 볼 거랍니다!

 

위 링크로 들어가시면 roboflow에서 제공하는 다양한 Object Detection 데이터셋을 볼 수 있어요.

전 그 중에서 드론으로 부둣가를 촬영하여 자동차, 배, 부두 등을 검출하기 위해 만들어진 'Aerial Maritime Drone Dataset' 을 선택했어요.

 

아래에서 데이터셋을 다운받는 방법을 알아볼게요 ~!

 

 

roboflow 웹페이지에서 원하는 데이터셋 찾기

 

• 우선 위 링크에서 원하는 데이터셋을 찾아서 클릭
• 'Downloads' 를 클릭

 

roboflow 데이터셋 다운로드 - Download code

 

• 본 실습에서는 'YOLO v5 Pytorch' 포맷을 사용
  • 이 포맷은 데이터 어노테이션(정답 정보)에 대한 포맷인데 코드와 어노테이션 포맷이 서로 일치해야 에러가 발생하지 않아요
• 데이터셋을 로컬에 다운받을 수도 있고, 다운로드 코드를 사용하여 실습 환경에서 바로 다운로드 받을 수도 있음
• 여기서는 다운로드 코드를 사용하여 Colab 환경에서 바로 다운로드 (물론 로컬에 다운로드 받고 구글 드라이브에 올려서 사용해도 무방)
• 포맷을 선택하고 'Show download code'를 눌러서 나오는 코드를 저장해둬야 해요!

 

본인이 가진 데이터셋으로 학습하기 위해선 퍼블릭 데이터셋과 동일한 포맷으로 annotation(정답 라벨(바운딩 박스, 카테고리))을 만들어서 적용시켜줘야 한다. 어떻게 해야 할지 모르겠으면 용량이 작은 데이터셋을 하나 다운받아서 동일한 포맷과 동일한 디렉토리 구성으로 만들어주면 되겠죠?

 

---

 

📌 YOLOv5 학습 및 테스트 실습

✅ 환경 세팅

 

• 환경 세팅은 필요한 패키지를 설치하고 API key를 입력하는 등의 과정이에요.
• 위 코드 블럭은 roboflow와 yolov5를 설치하고 임포트하는 코드예요.

 

 

• 실습 사전 준비 단계에서 roboflow의 객체 검출 데이터셋을 download code를 이용하여 다운받을 거라고 말씀드렸는데요.
• 이를 위해선 roboflow api key가 필요해요!
• api key는 roboflow에 로그인 하시고 Setting > API Keys > Private API Key에서 확인할 수 있고,Copy를 누르면 복사가 돼요.
• 복사한 api key를 코랩에서 입력해 주면 돼요.

 

✅ 데이터셋 다운로드

• 데이터셋은 실습 사전 준비 단계에서 저장해둔 데이터셋 Download code를 통해 진행됩니다. 

제가 고른 데이터셋이 아닌 다른 데이터셋을 사용시 코드가 달라지겠죠?

 

다운로드된 데이터셋 경로 확인

• 다운로드가 완료되고 나면 데이터셋이 어디에 있는지 경로를 확인해 두어야겠죠?
• 코랩의 좌측 폴더 아이콘을 누르면 설치한 yolov5 폴더 안에 Aerial-Maritime-9 데이터셋이 다운로드된 걸 확인할 수 있어요!
• 그리고 코랩에서 폴더나 파일의 경로는 마우스를 폴더/파일에 가져다 두면 생기는 점 세개를 누르고 '경로 복사'를 누르면 된답니다.

 

 

• 다운로드된 데이터셋의 경로까지 잘 확인했으니, 이제 다운로드된 데이터셋이 어떤 정보를 담고 있는지 확인해 볼 시간이에요.
• 데이터셋 폴더 내부의 data.yaml 파일을 열어보면 검출하는 객체 클래스 정보와 학습 및 평가 데이터셋의 경로가 지정되어 있어요.
• 실습에서는 데이터셋 이미지들의 경로를 절대 경로로 변경해 주었습니다.

이 과정은 데이터셋의 yaml 파일에 담긴 정보에 따라 코드 수정이 필요할 수 있어요!

 

 

✅ 모델 학습

 

자 이제 대망의 모델 학습 시간이에요! 의외로 모델을 학습시키는 코드는 명령어 한 줄이면 된답니다. 디테일하게 파헤치고 싶다면 학습 코드를 열어보면 돼요.

• 모델 학습은 train.py 파일을 실행시켜서 수행해요.
• 파일 실행 시 이미지 크기, 배치 사이즈, 학습 에폭 등의 하이퍼파라미터를 조정할 수 있답니다.
• 그리고 가장 중요한 데이터셋 정보가 담긴 yaml파일의 경로를 함께 지정해줘야 준비한 데이터셋으로 학습이 가능해요
  • 실습 파일에서는 지정된 대로 실행만 하시면 돼요 😄

 

✅ 모델 학습 과정 확인 - Tensorboard

• 이번 단계는 Tensorboard를 사용해 모델의 학습 과정을 확인하는 단계예요.
• 이는 필수적인 과정은 아니지만 학습 및 평가 지표나 모델 구조를 시각화할 수 있으니 사용해 보면 좋겠죠?
• 위 코드를 실행하면 아래와 같은 Tensorflow 페이지를 볼 수 있답니다.

 

텐서보드 예시

 

✅ 모델 테스트

 

• 이제 학습이 완료된 모델로 테스트를 진행하는 단계예요.
• yolov5/runs/train 경로에서 학습된 모델의 결과를 확인할 수 있으며, 여기 저장된 모델 웨이틀 불러와서 테스트 데이터셋에 인퍼런스를 진행 합니다.

• 테스트가 완료된 결과는 yolov5/runs/detect 에서 확인할 수 있으며, 테스트 결과를 확인해 보기 위해 시각화를 진행합니다.
• 아래 결과를 보면 학습된 모델이 추론한 결과를 볼 수 있어요!👍

시각화 결과 예시

 

 

---

AI & ML 직군 취업을 준비 중이신가요?!

 
AI & ML 직군 취업을 준비 중이시라면, 과제 전형과 면접을 준비하시겠죠!? 저는 네이버, 카카오, 현대자동차 등 약 30곳 가량의 기업에 서류를 제출하고 그 중 20개 이상의 기업의 코딩테스트, 과제 전형, 면접 경험이 있어요. 그 때 경험한 면접을 바탕으로 전자책으로 만들었답니다 🤗
 
✅ AI & ML 분야는 그 영역이 매우 넓어 모든 세부 분야를 다룰 수는 없지만, 이 책은 가장 중요한 기초 영역인 AI & ML 기초, 수학 & 통계, Computer Vision, NLP & LLM 등의 질문들을 중심으로 구성되었습니다. 또한 질문의 중요도를 ⭐ 1~3개로 표시하여 효과적인 면접 준비를 할 수 있도록 마련했습니다.

✅ 질문들은 저와 AI/ML 도메인에서 일하고 있는 주변 지인들이 실제 면접에서 경험한 질문들을 바탕으로, 각 도메인 전문가들이 중요하다고 생각하는 핵심 주제들을 중심으로 추가된 예상 질문들입니다.
 
AI & ML 직군 면접 질문 모음집 전자책에 관심이 있으시다면 아래 링크를 방문해 주세요!
 
 

AI /ML 직군 면접 질문 모음집 - 크몽