신호등 데이터셋 100 Epoch 기준 영상.

[김찬우]

데이터셋의 양이 너무 많아 반으로 줄이고 100Epoch기준으로 학습

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104

from ultralytics import YOLO import os import cv2 import numpy as np   def get_file_extension(filename):     _, extension = os.path.splitext(filename)     return extension.lstrip('.')   def process_video(video_path, model, test_db_path, output_video_path):     test_res_path = os.path.join(test_db_path, "predictions")       if not os.path.exists(test_res_path):         os.makedirs(test_res_path)       # 영상 파일 확인     if not os.path.isfile(video_path):         print(f"Error: Video file {video_path} does not exist.")         return       # 영상 파일 열기     cap = cv2.VideoCapture(video_path)     if not cap.isOpened():         print(f"Error: Could not open video {video_path}")         return       # 영상 속성 가져오기     fps = int(cap.get(cv2.CAP_PROP_FPS))     width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))     height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))       # 출력 영상 설정     fourcc = cv2.VideoWriter_fourcc(*'mp4v')  # MP4 코덱     out = cv2.VideoWriter(output_video_path, fourcc, fps, (width, height))     if not out.isOpened():         print(f"Error: Could not create output video {output_video_path}")         cap.release()         return       # 영상 파일 이름에서 확장자 제거     video_basename = os.path.basename(video_path)     video_name = os.path.splitext(video_basename)[0]       # 프레임별 결과 저장 디렉토리 생성     video_pred_path = os.path.join(test_res_path, video_name)     if not os.path.exists(video_pred_path):         os.makedirs(video_pred_path)       frame_idx = 0     while cap.isOpened():         ret, frame = cap.read()         if not ret:             break           # YOLO 예측 수행         result = model.predict(frame, imgsz=1280, conf=0.001, iou=0.6)[0]           # 탐지 결과 시각화 (바운딩 박스와 라벨 포함)         annotated_frame = result.plot()  # YOLO의 plot()으로 바운딩 박스 그리기           # 출력 영상에 프레임 쓰기         out.write(annotated_frame)           # 텍스트 파일 이름 생성         txt_filename = os.path.join(video_pred_path, f"{frame_idx:06d}.txt")         boxes = result.boxes         num_obj = len(boxes.cls)           # 탐지 결과 저장 (텍스트 출력)         with open(txt_filename, 'w') as f1:             for obj_idx in range(num_obj):                 cls_id = int(boxes.cls[obj_idx])                 cs = boxes.conf[obj_idx]                 xywhn = boxes.xywhn[obj_idx]                 # class_id norm_center_x norm_center_y norm_w norm_h confidence_score                 f1.write("%d %lf %lf %lf %lf %lf/n" % (cls_id, xywhn[0], xywhn[1], xywhn[2], xywhn[3], cs))           # 객체가 없는 프레임 로그 출력         if num_obj == 0:             print(f"No objects detected in {txt_filename}")           frame_idx += 1       # 리소스 해제     cap.release()     out.release()     print(f"Processed video: {video_path}")     print(f"Output video saved: {output_video_path}")   if __name__ == "__main__":     # 직접 지정한 경로     video_path = "C:/YOLOv8_light/ultralytics/autodrive.mp4"  # 입력 동영상 경로     output_video_path = "C:/YOLOv8_light/ultralytics/carla_output_second.mp4"  # 출력 동영상 경로       test_db_path = "./tests/carla_frame"       # YOLO 모델 로드     model_filename = "C:/YOLOv8_light/ultralytics/runs/detect/tld_yolov10_x_sgd3/weights/best.pt"     model = YOLO(model_filename)       # 영상 처리     process_video(video_path, model, test_db_path, output_video_path)       cv2.destroyAllWindows() Colored by Color Scripter

cs

conf값을 0.001이 기본이어서 0.5로 올리면 아무 내용도 나오지 않아 0.05로 유지하고 재생한 영상.

정면의 신호등을 잡긴 잡으나 이외의 불필요한 값들이 너무 많이 나와 외부의 모델을 사용하는 것이 좋임.