[Yolov5] Custom Dataset으로 Yolov5 돌려보기 : Test

https://minmiin.tistory.com/15

[Yolov5] Custom Dataset으로 Yolov5 돌려보기 : Train

 

Train에 이어지는 글이다.

 

---

 

앞서 yaml 파일에 test 경로를 지정했다.

 

yaml_data = {"names":['with_mask', 'without_mask', 'mask_weared_incorrect'], # 클래스 이름
             "nc":3, # 클래스 수
             "path":root_dir, # root 경로
             "train":os.path.join(root_dir, "train.txt"), # train.txt 경로
             "val":os.path.join(root_dir, "valid.txt"), # valid.txt 경로
             "test":os.path.join(root_dir,"test.txt") # test.txt 경로
             }

 

이 yaml 파일을 다시 이용해서 test를 진행할 것이다.

train, val, test가 모두 있어야 데이터를 제대로 읽어온다.

 

test는 val.py로 가능한데, 이 때 default task는 validation으로 지정되어 있다.

따라서 task를 "test"로 지정해 주어야 한다.

 

!python val.py --task "test" --data /content/drive/MyDrive/Dataset/FaceMask/custom.yaml --weights /content/yolov5/runs/train/test/weights/best.pt --device 0 --save-txt

 

아까 만들었던 yaml 경로와 train 시 저장했던 weight 파일을 넣어 주었다.

나는 test로 뽑아낸 bounding box 데이터를 txt 파일로 저장하기를 원하므로 마지막에 --save-txt를 추가했다.

다른 설정가능한 파라미터들은 아래에서 볼 수 있다.

 

https://github.com/ultralytics/yolov5/blob/master/val.py

GitHub - ultralytics/yolov5: YOLOv5 🚀 in PyTorch > ONNX > CoreML > TFLite

 

잘 돌아간다.

---

결과는 yolov5/runs/val/프로젝트명 에 저장된다.

batch 2에서의 label과 pred를 뽑아 비교해보자.

 

label

label

 

틀린 것들도 있지만 비교적 잘 맞추는 것을 확인할 수 있다.

 

txt 데이터들은 위 경로의 /labels에 저장된다.

 

 

---

여기까지 모두 성공했다면 여러분은 yolo로 train과 test 모두를 할 수 있게 되었다!