X
Ultralytics YOLOv8.2 릴리스Ultralytics YOLOv8.2 릴리스Ultralytics YOLOv8.2 릴리스 화살표
녹색 확인
링크가 클립보드에 복사됨

다음에서 출력 추출 Ultralytics YOLOv8

컴퓨터 비전 프로젝트를 최적화하는 방법을 Ultralytics YOLOv8 에서 알아보세요. 이 가이드는 YOLOv8 양식 설정부터 결과 추출 및 실제 구현까지 모든 것을 다루는 것을 목표로 합니다.

Facebook 로고트위터 로고LinkedIn 로고복사 링크 기호

끊임없이 변화하는 컴퓨터 비전 분야에서, Ultralytics YOLOv8 는 객체 감지, 세분화, 추적과 같은 작업에서 최상위 모델로 돋보입니다. 숙련된 개발자이든 인공 지능(AI) 초보자든 YOLOv8 에서 결과를 효과적으로 추출하는 방법을 이해하면 프로젝트를 크게 향상시킬 수 있습니다. 이 블로그 게시물에서는 YOLOv8 모델에서 결과를 추출하고 사용하는 실용적인 단계를 자세히 설명합니다.

설정 YOLOv8

결과 추출을 시작하기 전에 YOLOv8 모델을 설정하고 실행하는 것이 중요합니다. 처음 사용하는 경우 다양한 컴퓨터 비전 작업을 위한 YOLO 모델 설정 및 사용의 기본 사항을 다룬 이전 동영상을 시청할 수 있습니다. 결과 추출을 시작하려면 모델이 올바르게 구성되어 있는지 확인하세요:

  1. 모델 초기화: YOLOv8 모델을 적절하게 초기화하여 물체 감지 또는 포즈 추정과 같은 복잡한 작업 등 특정 요구 사항에 맞는 올바른 모델 구성을 선택해야 합니다.
  2. 추론 실행하기: 추론을 수행하기 위해 모델을 통해 데이터를 입력합니다. 이 프로세스는 모든 탐지 데이터에 액세스하기 위한 열쇠인 결과 개체를 생성합니다.

결과 개체 이해

YOLOv8 의 결과 개체는 정보의 금광입니다. 여기에는 프로젝트를 진행하는 데 필요한 모든 탐지 데이터가 포함되어 있습니다:

  • 바운딩 박스: 사용 results.boxes 를 클릭하여 감지된 객체의 좌표에 액세스합니다.
  • 마스크 및 키포인트: 다음을 사용하여 포즈 추정을 위한 세분화 마스크 및 키포인트에 액세스합니다. results.masksresults.keypoints 를 각각 입력합니다.
  • 클래스 확률: results.probabilities 는 탐지된 각 클래스의 가능성을 제공하며, 신뢰도 점수를 기반으로 탐지를 필터링하는 데 유용합니다.

사용자 지정 사용을 위한 데이터 추출

애플리케이션에서 이러한 출력을 사용하려면 다음 단계를 따르세요:

  1. 처리를 위해 데이터를 변환합니다: GPU에서 모델을 실행하는 경우, 추가 조작을 위해 .cpu()를 사용하여 출력을 CPU 형식으로 변환합니다.
  2. 바운딩 상자 좌표에 액세스하기: 결과 개체에서 직접 바운딩 박스 좌표를 검색하고 조작할 수 있습니다. 여기에는 정규화된 좌표 또는 너비 및 높이와 같은 특정 속성에 액세스하는 것이 포함됩니다.
  3. 분류 처리하기: 상위 분류를 추출하여 클래스 ID와 신뢰도 점수를 효과적으로 활용하세요.

코드의 실제 적용

이론에서 실습으로 넘어가면서 Nicolai Nielsen이 Visual Studio Code를 사용하여 사용자 지정 Python 스크립트 내에서 이러한 개념을 구현하는 방법을 보여 줍니다. 스크립트에는 다음이 포함됩니다:

  • 탐지 클래스 설정하기: 클래스 구조 내에서 YOLOv8 모델을 초기화하고 구성하여 실시간 데이터 입력을 준비합니다.
  • 결과 추출하기: 탐지를 실행하고 결과 개체에서 직접 경계 상자, 마스크 및 분류를 추출합니다.
  • 출력 활용하기: 결과를 JSON 또는 CSV와 같은 사용 가능한 형식으로 변환하거나 이미지 또는 비디오 스트림에 경계 상자를 그리는 데 직접 사용할 수 있습니다.

시각화 및 그 이상

원시 데이터를 추출하는 것도 중요하지만, 이러한 탐지를 시각화하면 모델의 성능에 대한 즉각적인 인사이트를 얻을 수 있습니다:

  • 직사각형 그리기: 바운딩 박스 데이터를 사용하여 이미지 또는 비디오 출력에서 감지된 개체 주위에 직사각형을 그립니다.
  • 직접 플로팅: YOLOv8 의 기본 제공 플로팅 기능을 활용하여 추가 코딩 없이 탐지를 직접 시각화할 수 있습니다.

다음을 통해 AI 툴킷 확장 YOLOv8

YOLOv8 출력 추출을 마스터하면 프로젝트의 기능이 향상될 뿐만 아니라 객체 감지 시스템에 대한 이해도 깊어집니다.

다음 단계에 따라 YOLOv8 의 모든 기능을 활용하여 고급 AI 기반 애플리케이션을 개발하거나 강력한 데이터 분석을 수행하는 등 특정 요구사항에 맞게 탐지 기능을 조정할 수 있습니다.

YOLOv8 및 기타 AI 기술을 최대한 활용하는 데 도움이 되는 더 많은 튜토리얼을 기대해 주세요. 이론적 지식을 실무 기술로 전환하고 컴퓨터 비전 프로젝트에 정확하고 효율적으로 생명을 불어넣으세요. 커뮤니티에 가입하여 모든 최신 개발 소식을 확인하고 자세한 내용은 문서를 참조하세요! 

여기에서 전체 동영상을 시청하세요! 

인공지능의 미래
를 함께 만들어 갑시다!

머신 러닝의 미래와 함께하는 여정 시작하기

이 카테고리에서 자세히 보기