[Toy Project] YOLO를 이용한 Image Detection

Intro

많은 패션 사진으로 데이터셋을 만들기 위해 python의 모듈 Beautifulsoup과 selenium을 이용해서 이미지크롤링하여 DataSet을 만들고 YOLO 모델을 통해 Detection을 진행하는 프로젝트를 한다. 

Data

1. 데이터  

https://www.musinsa.com/app/styles/lists

크롤링 여부를 확인하기 위해 /robots.txt를 사용해본다

Disallow라고 하니 하지 말라는 것이다. 아쉽지만 토이프로젝트로 많은 양의 데이터를 사용하지 않을 것이기 때문에 손수 다운로드하기로 했다.

약 400개의 이미지 파일을 만들었고 최대한 정면, 인식이 가능할 것 같은 사진 위주로 추렸다.

Image Labeling

이미지 라벨링 작업을 진행하는데에는 labelImg 툴을 사용하였다.

https://github.com/tzutalin/labelImg

GitHub - heartexlabs/labelImg: LabelImg is now part of the Label Studio community. The popular image annotation tool created by

내가 정한 Label은 다음과 같다.

bucket_hat

cap

beanie

sweatshirt

shirt

T_shirts

Coat

Jeans

Pants

 

데이터가 많지 않고 혼자하기 때문에 최대한 휴먼에러가 발생하지 않도록 라벨링을 신경썼다.

 

라벨링을 끝낸 후 Python 코드를 통해 데이터 셋을 8:1:1로 train, validation, test 로 나눴다.

import random

split_ratio = 0.1

img_file_name_list = list(map(lambda x : x.split('.')[0], os.listdir(TRAIN_IMAGE_DATA_DIR)))

split_num = int(len(img_file_name_list) * split_ratio)
random.shuffle(img_file_name_list)

move_file_name_list = img_file_name_list[:split_num]


for file_name in move_file_name_list:

    shutil.move(os.path.join(TRAIN_IMAGE_DATA_DIR,file_name) + IMG_EXTENSION,
                os.path.join(VALID_IMAGE_DATA_DIR,file_name) + IMG_EXTENSION)
    
    shutil.move(os.path.join(TRAIN_LABEL_DATA_DIR,file_name) + LABEL_EXTENSION,
                os.path.join(VALID_LABEL_DATA_DIR,file_name) + LABEL_EXTENSION)

그 후 

train: ../train/images
val: ../valid/images

nc: 9
names: ['bucket_hat','cap','beanie','sweatshirt','shirt','T_shirts','Coat','Jeans','Pants,]

yaml파일을 생성해 학습할 이미지의 디렉토리와 label들을 구성했다.

 

Train

학습은 Yolov5s 모델을 사용하여 학습을 진행하였다.

https://github.com/ultralytics/yolov5

 

Result