사전 학습된 Ultralytics YOLOv8 모델을 사용한 객체 탐지

이 튜토리얼에서는 Ultralytics YOLO 모델을 살펴보고 객체 탐지에 사용하는 방법을 알아봅니다.

Ultralytics YOLOv8 모델 개요#

먼저 Ultralytics YOLOv8 모델의 특징을 살펴보겠습니다. 이 모델은 객체 탐지 분야에서 크게 발전한 모델로, 속도와 정확도 사이에서 뛰어난 균형을 제공합니다. 이전 YOLO 모델과 비교해 YOLOv8은 탐지 정확도를 유지하면서 더 빠른 추론을 제공합니다.

이 과정에서는 Ultralytics YOLOv8의 추론 속도와 정확도를 다른 YOLO 모델과 비교하여 실시간 객체 탐지에서의 장점을 보여드리겠습니다. YOLOv8을 사용하면 다양한 애플리케이션에서 성능이 크게 향상되는 것을 기대할 수 있습니다.

사전 학습된 Ultralytics YOLOv8 모델 사용하기#

Ultralytics YOLOv8 모델의 주요 장점 중 하나는 특히 사전 학습된 모델을 사용할 때 편리하다는 점입니다. 숙련된 개발자든 컴퓨터 비전, 머신러닝 또는 딥러닝을 막 시작한 사람이든 사전 학습된 YOLOv8 모델을 간편하게 사용할 수 있습니다.

Python 코드 두 줄만으로 사전 학습된 Ultralytics YOLOv8 모델을 실행해 객체를 탐지할 수 있습니다. 따라서 최소한의 노력으로 프로젝트에 컴퓨터 비전 기능을 쉽게 통합할 수 있습니다.

Ultralytics YOLOv8 문서 및 인수#

Ultralytics YOLOv8 모델에 사용할 수 있는 리소스를 알아 두는 것도 유용합니다. 향후 튜토리얼에서는 맞춤형 객체 탐지, 객체 추적, 포즈 추정, 분할 등 다양한 주제를 다루어 모든 수준의 사용자를 위한 종합적인 지침을 제공할 예정입니다.

그림 1. Ultralytics YOLO 모델이 수행하는 주요 작업.

또한 Ultralytics YOLOv8을 최대한 활용하기 위한 주요 예측 인수도 다룰 예정입니다. 소스, 신뢰도 임계값, 장치 선택과 같은 인수를 이해하면 특정 요구 사항에 맞게 모델을 조정할 수 있습니다.

웹캠을 사용한 실시간 객체 감지#

Ultralytics YOLOv8은 웹캠에서 실시간 객체 탐지도 수행할 수 있습니다. 영상에서 YOLOv8은 라이브 웹캠 피드의 객체를 초당 100프레임이 넘는 속도로 탐지합니다.

붐비는 거리를 모니터링하든 복잡한 환경에서 객체를 추적하든 Ultralytics YOLOv8은 실시간 시나리오에서 뛰어난 성능을 발휘합니다. 다양한 객체를 정확하고 효율적으로 탐지하는 YOLOv8은 의료, 농업, 제조 등 여러 산업 분야의 애플리케이션에 새로운 가능성을 열어 줍니다.

마무리#

결론적으로 YOLOv8은 객체 탐지 분야에서 중요한 진전을 보여 줍니다. Ultralytics는 개발자와 연구자에게 머신러닝 및 인공지능을 위한 실용적인 도구와 리소스를 제공하기 위해 노력하고 있습니다. 이후 YOLOv8의 후속 모델로 Ultralytics YOLO26이 출시되었으며, 동일한 Python API로 실행할 수 있습니다.

전체 영상 보기에서 더 많은 튜토리얼, 가이드, 인사이트를 확인해 보세요. 커뮤니티에 참여해 Ultralytics YOLO로 만든 결과물을 공유해 주세요!