윈도우즈10 cpu only 환경에서 YOLOv10 돌리기

얼마 전 재밌는 것이 공개됐습니다. YOLOv10, 여기서 욜로는 여유로운 삶의 자세가 아닌 "너는 한번에 봐(You only look once)"란 도발적인 이름으로 공개된 최초의 원스테이지 이미지 분석툴, 그 열번째 버전입니다. 투스테이지 분석툴 뿐이던 이미지 분석계의 패러다임을 바꾼 프로그램으로 5버전부터 파이토치를 지원하고 있습니다. 열번째 버전은 칭화대학교 연구팀이 공개했습니다. 중국 이미지 분석 기술이 진짜 발전했습니다ㅋ~ 오늘은 우리나라에서 대부분의 유저들이 사용하고 있는 윈도우 환경, 그래픽카드 없는 pc를 기준으로 활용할 수 있는 내용을 올리겠습니다.

 

먼저 윈도우에서도 리눅스 터미널 환경과 유사하게 작업할 수 있게 도와주는 아나콘다를 설치합니다.
 https://www.anaconda.com/download

Download Anaconda Distribution | Anaconda

 
아나콘다 설치 후 아나콘다에서 서빙하는 Powershell Prompt를 실행합니다.

 
깃허브 레포지토리를 복사할 수 있는 git과 파이썬 패키지를 관리하는 pip를 설치합니다.

 
 
욜로10버전이 파이썬 3.9버전에 맞췄기 때문에 yolo라는 파이썬3.9기반 아나콘다 가상환경을 만들고 진입합니다.
(base) PS D:\projs> conda create -n yolo python=3.9
conda activate yolo
 

 
 
YOLOv10 레포를 복제합니다.

 
yolov10 디렉토리로 진입해서 실행환경을 구성하기 위해 아래 명령을 입력합니다.
pip install -r requirements.txt

많은 패키지들이 설치되는데 주요 패키지들에 대해 알아보는 것도 매우 좋을 것 같습니다. 생성형 인공지능이 우리를 도와줄 것입니다.
 
pip install -e . 명령으로 구동을 할 수 있도록 설치를 마칩니다.

 
테스트해봅니다.

 
얼마 전 직관했던 멋진 배구 경기를 분석해보겠습니다. 햐 신기하다~

 
 
시작한 김에 자세추정도 도전해봅니다. 올해 이로운이들 연구회에서 인체자세감지(pose estimation)를 활용한 체육기능향상 프로그램을 만드려고 합니다. YOLO에서는 버전7부터 자세추정기술이 메인 레포에 등장했습니다. 또 다른 좋은 프레임워크로 구글에서 배포한 mediapipe가 있는데, 한명을 대상으로 표정과 포즈를 추정할 수 있어 용도가 다릅니다. 현재는 바로 활용할 수 있는 자세추정을 위한 YOLOv10 사전학습모델이 없어서 8버전을 활용해보겠습니다. 미리 주요한 특징을 학습한 사전학습모델은 아래 링크에서 받을 수 있습니다.     https://docs.ultralytics.com/tasks/pose/

Pose

 

 
현재는 Windows10, ryzen5 5600x, x570보드, ddr4 16GB 환경에서 cpu로 분석을 하고 있습니다. yolov8s-pose.pt모델을 쓰니 한장의 이미지를 분석하는데 대략 140ms초 미만의 시간이 걸리고 있으니 초당 15장 이상이 나와야하는 실시간 처리는 힘들것 같습니다.
 
더 가벼운 나노 모델을 쓰니 장당 70ms미만으로 실시간 서비스가 가능하겠으나 정확도가 떨어진다는 것을 알 수 있네요. 

당분간 엔비디아입니다ㅋ~
 
 
 
 
 
참고
https://github.com/ultralytics/ultralytics/issues/13221

Move from YOLOV8 to YOLOV10 Pose Estimation? · Issue #13221 · ultralytics/ultralytics

 
 
https://learnopencv.com/yolov7-pose-vs-mediapipe-in-human-pose-estimation/

YOLOv7 Pose vs MediaPipe in Human Pose Estimation

 
 
Mastering All YOLO Models from YOLOv1 to YOLOv9: Papers Explained (2024)
https://learnopencv.com/mastering-all-yolo-models/

Mastering All YOLO Models from YOLOv1 to YOLOv9: Papers Explained (2024)