(add) source/weights dir README.md

+# YOLO 가중치 모델
+
+YOLO v5s 를 기반으로 차량 키트 데이터셋을 학습시킨 가중치 모델이다.
+
+- version 1
+
+    데이터셋 v1을 image size = 640, batch = 3, epoch = 60으로 학습시킨 모델이다
+
+    image size 640으로 객체 인식 모듈을 실행할 경우 높은 정확도를 보여주지만
+
+    초당 프레임 수를 높이기 위해 image size 64 - 128으로 객체 인식 모듈을 실행할 경우
+
+    인식 대상보다 훨씬 큰 범위를 인식한다. 또한 데이터셋 v1이 차량 키트의 손잡이를 포함하여
+
+    라벨링 작업이 진행되었기 때문에 높이 인식이 불안정하다.
+
+- version 2
+
+    데이터셋 v1를 image size = 64, batch = 3, epoch = 30으로 학습시킨 모델이다
+
+    image size 64로 객체 인식 모듈을 실행할 경우 초당 3.5프레임 정도의 속도로 객체 인식이
+
+    동작한다. 하지만 데이터셋이 차량 키트의 손잡이를 포함하여 라벨링 되어있고 대체적으로 
+
+    내려다 보는 시점의 이미지들이라 정후면 및 정측면에서의 인식이 상당히 불안정하다.
+
+- version 3
+
+    데이터셋 v2를 image size = 64, batch = 3, epoch = 30으로 학습시킨 모델이다
+
+    데이터셋 v2는 대부분 정후면 및 정측면에서의 이미지들로 구성되어 있고 차량키트의 손잡이를
+
+    라벨링되어있어 version 2에서의 단점이 상당히 개선되었다.  하지만 bound box의 크기가 
+
+    상당히 불안정한 모습을 보인다.
+
+- version 4
+
+    데이터셋 v3를 image size = 64, batch = 3, epoch = 30으로 학습시킨 모델이다
+
+    image size 64로 객체 인식 모듈을 실행할 경우 초당 평균 약 3.5프레임 정도의 속도로
+
+    객체를 인식하며 version 3보다는 인식 정확도가 뛰어나지만 bound box의 크기가 다소
+
+    불안정하다.
+
+- version 5
+
+    데이터셋 v3를 image size = 128, batch = 3, epoch = 60으로 학습시킨 모델이다
+
+    image size 128으로 객체 인식 모듈을 실행할 경우 초당 평균 약 3프레임 정도의 속도로
+
+    version 4에 비해 매우 정확한 인식률을 보여준다. 위의 5가지 버전의 모델 중 가장 훌륭한 
+
+    퍼포먼스를 보여주었다.
\ No newline at end of file