ComputerVision-YoloV5

Google Colab kullanılarak yapılmıştır.

Katkıda Bulunanlar:

• Meryem Koç
• Ömer Faruk Güler
• Özgür Aslan

Kod

Setup

!git clone https://github.com/ultralytics/yolov5
%cd yolov5

Datanın yüklenmesi ve zip dosyasından çıkarılması

!unzip -q ../coco128.zip -d ../

Training

!python train.py --img 640 --batch 16 --epochs 3 --data coco128.yaml --weights yolov5s.pt --cache

Test

!python detect.py --weights yolov5s.pt --img 640 --conf 0.25 --source dosyaDizini

Output'u görüntülemek

Sunum

• Yolo v5'in Avantajları ve Dezavantajları:

  • YOLOv4'ten yaklaşık %88 daha küçüktür. (27 MB vs 244 MB)

  • YOLOv4'ten yaklaşık %180 daha hızlıdır. (140 FPS vs 50 FPS)

  • YOLOv5'in dejavantajı ise: Diğer YOLO sürümleri gibi resmi bir belge yayınlanmamış olmasıdır. Ayrıca, YOLO v5 hala geliştirme aşamasındadır ve ultralytics'ten sık sık güncellemeler almaktadır.

YOLOV5'in diğer versiyonlarına göre performans farkı

Biz projemizde YoloV5 kullandık. Projemizin başında Drone fotoğrafı datasını kullandık (Data'ya buradan ulaşabilirsiniz)
Ancak istediğimiz başarıyı data'nın iyi bir data olmamasından dolayı elde edemedik.
Bu yüzden elimizde olan datalardan iyi durumda olanları etiketleyip YoloV5 ile eğitip hızlıca bir sonuç aldık.

Drone Fotoğrafı Datasının Eğitim Sonucu

Ardından daha iyi bir sonuç alabilmek için COCO128 datasını kullandık (Data'ya buradan ulaşabilirsiniz)

Bu data, 2017 COCO treninin ilk 128 görüntüsünü içerir. YOLOV5 için öğretici bir data olarak kullanılır: https://github.com/ultralytics/yolov5

Bu data, eğitmek ve test etmek için aynı 128 görüntüyü kullanır. Daha büyük bir datayı eğitmeden önce böyle küçük bir data'da sonuçlar gösterilerek performansın ölçülmesi amaçlanmıştır.

Coco128 Datasının Eğitim Sonuçları