docker 에서 yolox 데모 실행해보기(ubuntu 18.04)

1. docker hub 에서 아래 이미지를 불러와서 설치해야한다.

-> 기존에 쓰던 continuumio/miniconda3 이미지로 실행했었는데, gcc 와 g++ 설치가 안 돼서 yolox를 실행하기 위한 환경설정 파일인 setup.py 실행이 불가능했다.

 

docker pull torch:cuda11.1_cu8

 

2. git 코드 가져오기

git clone https://github.com/Megvii-BaseDetection/YOLOX.git
cd YOLOX

3. requirements.txt 설치

pip install -r requirements.txt

4. 실행 환경 설정

python setup.py develop

5. 데모를 실행하기 위해서는 벤치마크에서 standard model 또는 light model 중 선택하여 받아와야한다.

 

나는 yolox-s 모델을 받아와서 실행해보기로했다.
- 도커환경에서 wget 실행안되면 apt-get install wget 으로 설치

wget https://github.com/Megvii-BaseDetection/YOLOX/releases/download/0.1.1rc0/yolox_s.pth

6. 데모 실행

python tools/demo.py image -n yolox-s -c /path/to/your/yolox_s.pth --path assets/dog.jpg --conf 0.25 --nms 0.45 --tsize 640 --save_result --device [cpu/gpu]

 

결과는 아래와 같다.

 

+ 추가 테스트

 

구글에서 책상 이미지 검색해서 아무거나 테스트해봤다.

결과이미지

microwave 말고는 다 잘 찾은 것을 볼 수 있다.

 

++ 추가 테스트

yolox-s 말고 yolox-x 모델로 테스트 해봤다.

 

python tools/demo.py image -n yolox-x -c yolox_x.pth --path assets/optimize.jpg --conf 0.25 --nms 0.45 --tsize 640 --save_result --device 0

 

결과 이미지

yolox-s 와 비교했을때 매우 작은 것까지 잘 찾고 있다.

자세히 보면 책장마다 있는 book을 detect 하고, pot의 vase, cup 또한 찾았다.

더 놀라운건 잘려진 화분까지 찾아냈다는점!

 

아래 mAP 에서도 보다시피 역시 yolox-x 모델이 속도는 제일 느려도 성능은 제일 좋은게 맞는 듯 하다.(cocodata 기준)

 

---

결론

docker 에서 yolox 실행시키려면 continuumio/miniconda3 이 아니고 cuda, cudnn 기반의 이미지를 사용해야한다. 끝.