👬 gg_duo_yolo

고속도로 CCTV 차량 탐지 프로젝트

📺 Result

🥇 Validate Custom Model

---

1. 프로젝트 소개

목표

• "교통문제 해결을 위한 CCTV 교통 영상(고속도로)" 데이터 중 영동선 신갈분기점 데이터를 YOLOv8을 이용하여 객체 탐지(차, 버스, 트럭)를 목표로 함
• 데이터 출처 : https://www.aihub.or.kr/aihubdata/data/view.do?currMenu=&topMenu=&aihubDataSe=data&dataSetSn=164

진행 순서

• 데이터 전처리, 학습을 위한 환경 구축, 학습 및 검증

2. 데이터 전처리

• 데이터를 GCP 버킷에 업로드, GCP JUPYTER NOTEBOOK에서 버킷 데이터 다운로드(gsutil 이용)
• 압축 해제(unzip 시 lock 하고 multiprocessing 사용하면 빠르게 가능)

• 데이터 정리
• COCO data 포맷을 YOLO data 포맷으로 변경

• xml 파일을 txt로 변경

3. 학습

• git clone ultralytics
• yaml 파일 생성

• train, val 폴더 정리(데이터 개수 확인)
• 학습

4. 학습 결과

• confusion matrix

• graph, train의 loss 값이 계속 떨어지는 것으로 보아 더 많은 데이터를 학습시킬 필요가 있다고 보임

• image

5. 검증 및 테스트

검증

• 다른 팀들에 비해 다른 작업을 안했는데도 결과값이 좋음
• 데이터 유실 및 파괴가 없는 방식(시간이 오래 걸리는 방식)으로 진행하여 그런 것으로 추정

테스트

6. 한계 및 적용점

한계

• 대용량 데이터를 다루다 보니 유실 및 파괴가 있는데 확인 후 정리 필요
• 멀티 GPU 사용하려는데 오류가 생김
• pip install ultralytics, git clone https://github.com/ultralytics/ultralytics 둘 다 하면 사용 가능해짐
• 멀티 GPU 관련하여 정확한 원인 찾을 필요성 있음
• 테스트 이미지를 보면 왼쪽 아래쪽에 버스가 아닌데 버스로 인식함
• 좀 더 많은 버스 데이터로 학습 필요하다고 논의함

적용점

• 테스트 이미지를 보면 경부선 데이터에 버스전용차로가 있어 버스가 더 많다.
• 이미지 개선 및 부분 탐지로 버스 전용차로 위반 차량 탐지 가능할 것으로 논의함

cf. 첨부파일 설명

• highway_yolov8_data_cleaning.ipynb : 고속도로 CCTV 이미지 및 라벨 파일 전처리
• highway_yolov8_model.ipynb : 고속도로 CCTV 차량 탐지 모델 생성 (yolov8 medium model)
• test_video.avi : 생성한 yolov8m 모델로 실시간 고속도로 CCTV 객체 탐지 실습 동영상 (약 1분 30초)