YOLOv5 Object Detection on Windows

Apa itu YOLO?

YOLO adalah singkatan dari You Only Look Once dan merupakan kerangka kerja deteksi objek yang sangat cepat menggunakan single convolutional network. YOLO seringkali lebih cepat daripada sistem deteksi objek lainnya karena YOLO melihat seluruh gambar sekaligus, bukan menyapu piksel demi piksel.
YOLO melakukan ini dengan memecah gambar menjadi grid, dan kemudian setiap bagian dari grid diklasifikasikan dan dilokalkan (yaitu objek dan struktur dibuat). Kemudian, memprediksi di mana menempatkan kotak pembatas. Memprediksi kotak pembatas ini dilakukan dengan algoritme berbasis regresi, berlawanan dengan algoritme berbasis klasifikasi.
Umumnya, algoritma berbasis klasifikasi diselesaikan dalam dua langkah: pertama, memilih Region Of Interest (ROI), kemudian menerapkan convolutional neural network (CNN) ke wilayah yang dipilih untuk mendeteksi objek. Algoritme regresi YOLO memprediksi kotak pembatas untuk seluruh gambar sekaligus, yang membuatnya lebih cepat dalam pengolahannya.

Kebutuhan Software

• Yolov5 Repository
• Python 3.8 (or later)
• PyTorch
• CUDA

Instalasi Software

Download YOLOv5

Download file YOLOv5 dari repositori berikut ini:

https://github.com/ultralytics/yolov5

Installing Python

Download Python, kemudian install.

https://www.python.org/downloads/

Installing CUDA

CUDA adalah platform komputasi paralel NVIDIA untuk GPU mereka. Pada dasarnya, ini memungkinkan mesin untuk menjalankan komputasi secara paralel sehingga proses akan lebih cepat.

Untuk versi terbaru dapat diunduh di link berikut ini:

https://developer.nvidia.com/cuda-downloads

Jika menggunakan versi sebelumnya, dapat diperoleh disini:

https://developer.nvidia.com/cuda-11-7-0-download-archive

Installing PyTorch

PyTorch adalah salah satu machine learning frameworks yang populer untuk mendefinisikan model, menjalankan inference (apa yang akan kita lakukan di sini) dan melakukan pelatihan. PyTorch, seperti kebanyakan machine learning frameworks, menjalankan calculation dan inference pada GPU yang secara signifikan lebih cepat daripada menjalankannya pada CPU. Untuk mencapai hal tersebut, kita perlu mengaturnya dengan benar. Buka laman dari PyTorch:

https://pytorch.org/get-started/locally/

Kemudian lakukan konfigurasi:

Copy command hasil konfigurasi, kemudian jalankan.

pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117

Installing YOLOv5 Dependency

Masuk ke folder YOLOv5, kemudian jalankan command berikut ini:

pip install -r requirements.txt

Jika berhasil, langkah selanjutnya adalah mencoba YOLOv5.

YOLOv5

Bounding Boxes dengan input Image

Masuk ke folder YOLOv5 dengan menggunakan terminal, kemudian ketikkan command berikut ini:

python detect.py --source cat.jpg

Untuk melihat hasilnya, buka folder runs\detect\exp17.

Bounding Boxes dengan input Camera

Masuk ke folder YOLOv5 dengan menggunakan terminal, kemudian ketikkan command berikut ini:

python detect.py --source 0

dimana 0 (nol) merupakan index camera pada laptop / komputer.

Bounding Boxes dengan input Video Youtube

YOLOv5 Sources

YOLOv5 Formats