YOLOv5 설치 [Pycharm]

 

 

1. 서론

대학원에 입학하고 벌써 1년 동안 YOLOv5로 연구하고 논문을 쓰니 약간 정이든 느낌이 든다. 처음에 설치환경 구성하기 쉬워서 사용하였지만 나름 다른 모델에 뒤처지지 않는 모델 중 하나인 것 같다.

2. 본론

python은 www.python.org에서 python을 다운로드한 환경으로 가정하고 설명을 진행하겠다. 필자는 Anaconda사용에 익숙하지 않고 Pycharm에 익숙하다.

2.1 설치

 

구글에 yolov5 검색 후 깃허브 접속

git을 설치하여 cmd로 설치하는 방법과 zip 파일을 다운로드하여서 설치하는 방법이 있다. 초보자를 기준으로 zip 파일로 다운로드하는 경우로 설명하겠다.

파일을 다운로드하고 압축 해제한다.

폴더를 우클릭하여 PyCharm으로 연다.

우클릭으로 PyCharm이 안 보이는 경우 PyCharm을 열고 File->Open->폴더를 선택해준다.

PyCharm 아래 부분에 Terminal을 클릭하여 터미널을 연다

여기서 pytorch를 GPU로 사용하기 위해 아래 링크의 설명에 따라 설치해준다. 

https://jeo96.tistory.com/entry/Pytorch-CUDA-cuDNN-%EC%84%A4%EC%B9%98-windows-10

Pytorch, CUDA, cuDNN 설치 [windows 10]

오른쪽 명령어를 사용하여 YOLOv5를 사용하기 위한 외부 모듈 설치 pip3 install -r requirements.txt

requirements.txt에 들어있는 모듈이 한 개의 명령어로 전부 설치된다. pytorch를 별도로 먼저 설치해 주는 것은 pip install torch를 실행하게 되면 cpu 버전으로 깔리기 때문에 속도가 매우 느리다. 따라서 gpu를 사용하는 버전으로 설치해 준다.

설치가 완료되면 detect.py를 실행해보면 yolov5\runs\detect\exp 폴더 안에 bus.jpg와 zidane.jpg가 생성이 되면 설치가 완료된 것을 확인할 수 있다.

3. YOLOv5 장점

1. 실행환경을 구성하기 쉽다. Linux에서만 실행 가능한 객체인식 모델(Object detector)이 많은데 YOLOv5는 Windows에서도 실행이 가능하다.

2. 모델이 작은 편이어서 비교적 성능이 낮은 장비로 사용 가능하다.

3. 모델이 작으나 성능이 좋은 편이다.(필자가 연구한 데이터 셋으로는 모델 크기가 훨씬 큰 YOLOv4보다 성능이 높음)

4. 코드가 깔끔한 편이다.

 

4. YOLOv5 단점

1. 논문이 존재하지 않는다.