포즈 추정을 위해 Ultralytics YOLO11을 사용하는 방법

인공지능(AI)의 한 분야인 computer vision과 관련된 연구는 1960년대로 거슬러 올라갑니다. 그러나 deep learning의 부상과 함께 machines understand images 방식에 있어 주요 돌파구가 마련된 것은 2010년대에 이르러서였습니다. computer vision 분야의 최신 발전 중 하나는 최첨단 Ultralytics YOLO11 모델입니다. Ultralytics의 annual hybrid event인 YOLO Vision 2024 (YV24)에서 처음 소개된 YOLO11 models은 포즈 추정을 포함한 다양한 computer vision tasks을 지원합니다.

Pose estimation은 이미지나 비디오 속 사람 또는 객체의 detect key points을 찾아내어 그들의 위치, 자세, 움직임을 파악하는 데 사용할 수 있습니다. 이는 sports analytics, animal behavior monitoring, robotics 같은 응용 분야에서 기계가 물리적 행동을 실시간으로 해석하는 데 널리 사용됩니다. YOLO (You Only Look Once) series의 earlier models에 비해 향상된 정확도, 효율성, 속도 덕분에 YOLO11은 real-time pose estimation tasks에 매우 적합합니다.

그림 1. 포즈 추정을 위해 Ultralytics YOLO11을 사용하는 예시.

본 아티클에서는 pose estimation이 무엇인지 살펴보고, 그 응용 분야 중 일부를 논의하며, Ultralytics Python package와 함께 YOLO11을 사용하여 포즈 추정을 수행하는 방법을 단계별로 알아보겠습니다. 또한 Ultralytics HUB를 사용하여 몇 번의 간단한 클릭만으로 YOLO11과 pose estimation을 체험해 보는 방법도 살펴보겠습니다. 시작해 볼까요!

포즈 추정이란 무엇인가요?#

포즈 추정을 위해 새로운 Ultralytics YOLO11 model을 사용하는 방법에 대해 알아보기 전에, 포즈 추정에 대해 더 잘 이해해 보도록 하겠습니다.

포즈 추정은 이미지나 비디오에서 사람이나 객체의 포즈를 분석하는 데 사용되는 컴퓨터 비전 기술입니다. Ultralytics YOLO11 같은 딥러닝 모델은 특정 객체나 사람의 키포인트를 식별, 위치 파악 및 추적할 수 있습니다. 객체의 경우 이러한 키포인트에는 모서리, 가장자리 또는 뚜렷한 표면 표시가 포함될 수 있으며, 사람의 경우 이러한 키포인트는 팔꿈치, 무릎, 어깨와 같은 주요 관절을 나타냅니다.

object detection과 같은 다른 computer vision 작업과 비교했을 때 포즈 추정은 독특하며 더 복잡합니다. object detection은 객체 주변에 상자를 그려 이미지 내 객체의 위치를 파악하지만, 포즈 추정은 한 걸음 더 나아가 객체 상의 키포인트의 정확한 위치를 예측합니다.

그림 2. 사무실에서 Ultralytics YOLO11을 사용하여 사람들의 포즈를 감지하고 추정하기.

포즈 추정에는 상향식(Bottom-up)과 하향식(Top-down)의 두 가지 주요 작동 방식이 있습니다. 상향식 접근 방식은 개별 키포인트를 감지하여 골격으로 그룹화하는 반면, 하향식 접근 방식은 먼저 detecting objects한 후 그 안의 키포인트를 추정하는 데 중점을 둡니다.

Ultralytics YOLO11은 하향식(top-down) 및 상향식(bottom-up) 방식의 장점을 모두 결합합니다. 상향식 접근 방식과 마찬가지로 키포인트를 수동으로 그룹화할 필요 없이 간단하고 빠르게 유지됩니다. 동시에 사람을 감지하고 단일 단계로 포즈를 추정함으로써 하향식 방식의 정확도를 활용합니다.

Ultralytics YOLO11의 포즈 추정 활용 사례#

포즈 추정을 위한 Ultralytics YOLO11의 다재다능한 기능은 다양한 산업 분야에서 광범위한 잠재적 응용 분야를 열어줍니다. YOLO11의 몇 가지 포즈 추정 사용 사례를 좀 더 자세히 살펴보겠습니다.

Ultralytics YOLO11을 활용한 실시간 포즈 추정: 작업자 안전 개선#

안전은 모든 construction 프로젝트에서 중요한 측면입니다. 통계적으로 건설 현장에서 업무 관련 부상이 더 많이 발생한다는 점을 고려할 때 이는 특히 그렇습니다. 2021년에는 모든 업무 관련 fatal injuries의 약 20%가 건설 현장이나 그 인근에서 발생했습니다. heavy equipment 및 전기 시스템과 같은 일상적인 위험 요소가 있는 상황에서 근로자를 보호하기 위해서는 강력한 안전 조치가 필수적입니다. 표지판, 바리케이드 사용, 감독관의 수동 모니터링과 같은 전통적인 방법은 항상 효과적인 것은 아니며 종종 감독관이 더 중요한 작업에 집중하지 못하게 만듭니다.

AI가 개입하여 안전을 개선할 수 있으며, 포즈 추정 기반 작업자 모니터링 시스템을 사용하여 사고 위험을 줄일 수 있습니다. Ultralytics YOLO11 모델은 작업자의 움직임과 자세를 추적하는 데 사용할 수 있습니다. 작업자가 위험한 장비에 너무 가깝게 서 있거나 작업을 잘못 수행하는 등의 잠재적 위험을 신속하게 파악할 수 있습니다. 위험이 감지되면 감독관에게 알리거나 알람을 통해 작업자에게 경고할 수 있습니다. 지속적인 모니터링 시스템은 항상 위험 요소를 주시하고 protecting workers함으로써 건설 현장을 더욱 안전하게 만들 수 있습니다.

그림 3. Ultralytics YOLO11을 사용한 건설 현장 포즈 추정의 예.

가축 모니터링을 위한 Ultralytics YOLO11 포즈 추정#

농부와 연구원은 Ultralytics YOLO11을 사용하여 소와 같은 농장 동물의 움직임과 행동을 연구함으로써 파행과 같은 질병의 초기 징후를 감지할 수 있습니다. 파행은 다리나 발의 통증으로 인해 동물이 제대로 움직이기 힘들어하는 상태입니다. 소의 경우 파행 같은 질병은 건강과 복지에 영향을 미칠 뿐만 아니라 낙농장의 생산성 문제로 이어진니다. 연구에 따르면 전 세계 낙농 산업에서 파행은 방목 시스템의 소 중 8%, 사육 시스템의 15%~30%에 영향을 미칩니다. 파행을 조기에 감지하고 대처하면 동물 복지를 개선하고 이 상태와 관련된 생산 손실을 줄이는 데 도움이 될 수 있습니다.

Ultralytics YOLO11의 포즈 추정 기능은 농부가 동물의 걸음걸이 패턴을 추적하고 관절 문제나 감염과 같은 건강 문제를 나타낼 수 있는 이상 징후를 신속하게 식별하는 데 도움이 될 수 있습니다. 이러한 문제를 조기에 발견하면 더 빠른 치료가 가능해져 동물의 불편함을 줄이고 농가가 경제적 손실을 피하는 데 도움이 됩니다.

vision AI 기반 모니터링 시스템은 또한 휴식 행동, 사회적 상호작용, 사료 섭취 패턴을 분석하는 데 도움을 줄 수 있습니다. 농부들은 포즈 추정을 사용하여 스트레스나 공격성의 징후를 관찰할 수도 있습니다. 이러한 통찰력을 활용하여 동물에게 더 나은 생활 조건을 조성하고 복지를 증진할 수 있습니다.

그림 4. 소 포즈 추정 시각화.

피트니스 산업에서의 Ultralytics YOLO11 활용 사례#

포즈 추정은 또한 사람들이 운동하는 동안 실시간으로 자세를 교정하는 데 도움이 될 수 있습니다. 체육관 및 요가 강사는 Ultralytics YOLO11을 사용하여 운동하는 사람들의 신체 움직임을 모니터링하고 추적할 수 있으며, 관절 및 사지 같은 주요 포인트에 집중하여 자세를 평가합니다. 수집된 데이터를 이상적인 자세 및 운동 기술과 비교할 수 있으며, 누군가 동작을 잘못 수행하는 경우 강사가 경고를 받아 부상을 예방하는 데 도움을 줄 수 있습니다.

Fig 5. 포즈 추정을 사용한 운동 분석.

예를 들어, 요가 수업 중에 포즈 추정은 모든 students가 올바른 균형과 정렬을 유지하고 있는지 모니터링하는 데 도움을 줄 수 있습니다. computer vision과 포즈 추정이 통합된 모바일 애플리케이션은 집에서 운동하는 사람들이나 개인 트레이너를 이용할 수 없는 사람들에게 피트니스를 more accessible하게 만들 수 있습니다. 이러한 지속적인 실시간 피드백은 사용자가 기술을 향상시키고 부상 위험을 줄이면서 fitness goals을 달성할 수 있도록 돕습니다.

Ultralytics YOLO11 모델을 통한 실시간 포즈 추정 체험하기#

포즈 추정이 무엇인지 살펴보고 그 응용 분야 중 일부를 논의했으므로, 이제 새로운 YOLO11 모델로 포즈 추정을 체험해 볼 수 있는 방법을 살펴보겠습니다. 시작하려면 Ultralytics Python 패키지를 사용하거나 Ultralytics HUB를 통해 수행하는 두 가지 편리한 방법이 있습니다. 두 가지 옵션을 모두 살펴보겠습니다.

Ultralytics YOLO11을 사용한 추론 실행#

inference 실행은 YOLO11 모델이 training 세트 외부의 새로운 데이터를 처리하고 학습된 패턴을 사용하여 해당 데이터를 기반으로 예측을 수행하는 것을 포함합니다. Ultralytics Python 패키지를 사용하여 코드를 통해 인퍼런스를 실행할 수 있습니다. get started하기 위해 해야 할 일은 pip, conda 또는 Docker를 사용하여 Ultralytics 패키지를 설치하는 것뿐입니다. 설치 중에 문제가 발생하는 경우 당사의 Common Issues Guide에서 유용한 문제 해결 팁을 제공합니다.

패키지를 성공적으로 설치했다면, 다음 코드는 모델을 로드하고 이미지 내 객체의 포즈를 예측하는 방법을 안내합니다.

그림 6. Ultralytics YOLO11을 사용하여 추론을 실행하는 모습을 보여주는 코드 스니펫.

커스텀 Ultralytics YOLO11 모델 학습#

computer vision project를 진행 중이며 포즈 추정과 관련된 특정 애플리케이션용 dataset이 있다고 가정해 보겠습니다. 그렇다면 애플리케이션에 맞게 custom YOLO11 model을 fine-tune하고 학습시킬 수 있습니다. 예를 들어, dataset of keypoints를 사용하여 사지, 머리, 꼬리의 위치와 같은 주요 특징을 식별함으로써 이미지 속 pose of a tiger를 분석하고 이해할 수 있습니다.

다음 코드 스니펫을 사용하여 Ultralytics YOLO11 포즈 추정 모델을 로드하고 학습할 수 있습니다. 모델은 YAML 설정에서 빌드할 수 있으며, 학습을 위해 사전 학습된 모델을 로드할 수도 있습니다. 이 스크립트를 사용하면 가중치를 전송하고 포즈 추정을 위한 COCO 데이터셋과 같은 지정된 데이터셋을 사용하여 모델 학습을 시작할 수도 있습니다.

그림 7. Ultralytics YOLO11 사용자 지정 학습.

새로 학습된 커스텀 모델을 사용하여 computer vision solution과 관련된 본 적 없는 이미지에 대해 인퍼런스를 실행할 수 있습니다. 학습된 모델은 export mode를 사용하여 다른 형식으로 변환할 수도 있습니다.

Ultralytics HUB에서 YOLO11 체험하기#

지금까지는 기본적인 코딩 지식이 필요한 YOLO11 사용 방법을 살펴보았습니다. 그것이 찾고 있는 방식이 아니거나 코딩에 익숙하지 않다면 Ultralytics HUB라는 또 다른 옵션이 있습니다. Ultralytics HUB는 YOLO 모델 학습 및 배포 과정을 간소화하도록 설계된 사용자 친화적인 플랫폼입니다. HUB를 사용하면 기술적인 전문 지식 없이도 데이터셋을 쉽게 관리하고, 모델을 학습시키며, 배포할 수 있습니다.

이미지에 대한 추론을 실행하려면 계정을 만들고 'Models' 섹션으로 이동하여 관심 있는 Ultralytics YOLO11 포즈 추정 모델을 선택하면 됩니다. 미리 보기 섹션에서 이미지를 업로드하고 아래와 같이 예측 결과를 확인할 수 있습니다.

그림 8. YOLO11을 이용한 Ultralytics HUB에서의 포즈 추정.

인간 포즈 감지에서의 Ultralytics YOLO11 발전 사항#

Ultralytics YOLO11은 광범위한 응용 분야에서 포즈 추정과 같은 작업을 위해 정확하고 유연한 솔루션을 제공합니다. 건설 현장에서의 작업자 안전 향상부터 가축 건강 모니터링, 피트니스 루틴에서의 자세 교정 보조에 이르기까지, YOLO11은 첨단 컴퓨터 비전 기술을 통해 정밀함과 실시간 피드백을 제공합니다.

여러 모델 변형과 특정 사례를 위한 사용자 정의 학습 기능을 갖춘 다재다능함 덕분에, YOLO11은 개발자와 기업 모두에게 매우 가치 있는 도구가 됩니다. Ultralytics Python 패키지를 이용한 코딩이든 더 쉬운 구현을 위한 Ultralytics HUB 사용이든, YOLO11은 포즈 추정을 접근 가능하고 영향력 있게 만듭니다.

더 자세히 알아보려면 GitHub repository를 방문하고 community에 참여해 보세요. 당사의 솔루션 페이지에서 manufacturing 및 agriculture 분야의 AI 애플리케이션을 살펴보세요. 🚀