욜로 비전 선전
선전
지금 참여하기

몇 줄의 코드로 Ultralytics 객체 감지 및 분할 모델 실행하기

Nuvola Ladi

3분 읽기

2024년 6월 27일

몇 줄의 코드로 Ultralytics 객체 감지 및 분할 모델을 실행하는 방법에 대한 단계별 가이드입니다.

Ultralytics의 YOLOv5YOLOv8 모델의 객체 감지세분화 기능을 자세히 살펴보는 또 다른 블로그 게시물에 오신 것을 환영합니다. 몇 줄의 코드로 이러한 사용하기 쉬운 모델을 프로젝트에 통합하는 방법을 살펴봅니다. 초보자이든 숙련된 개발자이든 Ultralytics가 다양한 YOLO 버전 및 트랜스포머 기반 모델을 포함한 다양한 모델과 아키텍처를 지원하는 방법을 알 수 있습니다. 

그의 비디오에서 Nicolai Nielsen은 Ultralytics 프레임워크 내에서 다양한 모델을 설정하고 사용하는 과정을 안내합니다. 단계별로 분석하고 이러한 놀라운 도구를 시작하는 방법을 살펴보겠습니다.

Ultralytics 모델 시작하기

Ultralytics는 다양한 객체 감지 및 분할 모델을 지원하는 포괄적인 프레임워크를 제공합니다. 여기에는 YOLOv3부터 최신 YOLOv8, YOLO-NAS 및 SAM 모델에 이르는 인기 있는 YOLO 모델이 포함됩니다. 이러한 모델은 실시간 감지, 분할자세 추정과 같은 다양한 작업을 처리하도록 설계되었습니다.

시작하려면 Ultralytics 문서 페이지를 방문하십시오. 여기에서 각 모델의 주요 기능, 아키텍처 및 Python 스크립트에서 사용하는 방법 등 자세한 정보를 찾을 수 있습니다.

환경 설정

먼저 Ultralytics가 설치되어 있는지 확인하십시오. 다음 명령을 실행하여 설치할 수 있습니다.

bash

코드 복사

이 작업이 완료되면 프로젝트에서 이러한 모델을 사용할 수 있습니다. YOLOv8 모델을 예로 들어 시작하겠습니다.

YOLOv8의 주요 기능

YOLOv8은 이전 버전에 비해 몇 가지 개선 사항이 있습니다. 실시간 애플리케이션에 적합하도록 더 빠르고 정확하게 설계되었습니다. 주요 기능은 다음과 같습니다. 

  • 향상된 속도와 정확성
  • 다중 작업을 위한 사전 훈련된 가중치
  • 객체 감지, 분할 및 분류 지원
  • 더 나은 성능을 위한 개선된 모델 아키텍처

Python에서 YOLOv8 실행

다음은 몇 줄의 코드로 YOLOv8을 시작하는 방법입니다.

코드 복사

이것으로 끝입니다! 이미지를 통해 YOLOv8 모델을 실행했습니다. 이 단순함이 Ultralytics 모델을 매우 강력하고 사용자 친화적으로 만드는 이유입니다.

실시간 웹캠 감지

실시간 웹캠 피드에서 YOLOv8이 작동하는 모습을 보고 싶으신가요? 방법은 다음과 같습니다.

python

코드 복사

이 스크립트는 웹캠을 열고 YOLOv8 모델을 적용하여 실시간으로 객체를 감지합니다.

__wf_reserved_inherit
Fig 1. Nicolai Nielsen이 Ultralytics 객체 감지 및 분할 모델을 실행하는 방법을 설명하고 있습니다.

다른 모델 탐색

Ultralytics는 YOLOv8에만 국한되지 않습니다. 또한 실시간 감지를 위해 YOLOv5, YOLO-NAS 및 Transformer 기반 모델과 같은 다양한 기타 모델을 지원합니다. 각 모델에는 고유한 강점과 사용 사례가 있습니다.

Transformer 모델 및 실행 방법

Baidu에서 개발하고 Ultralytics에서 지원하는 RT-DETR 모델은 실시간 성능과 높은 정확도를 제공하는 최첨단 엔드 투 엔드 객체 감지기입니다. conv 기반 백본과 효율적인 하이브리드 인코더를 사용하여 실시간 속도를 구현하고 TensorRT로 CUDA에서 탁월한 성능을 발휘하며 유연한 추론 속도 조정을 지원합니다.

다음은 RT-DETR 모델을 실행하는 방법입니다.

코드 복사

Segment Anything 모델

Ultralytics는 MobileSAM 및 FastSAM과 같은 분할 작업을 위한 모델도 제공합니다. 이러한 모델은 이미지의 모든 것을 분할하여 장면에 대한 자세한 통찰력을 제공하도록 설계되었습니다.

FastSAM 실행

FastSAM은 실시간 분할에 최적화되어 있으며, 실행 방법은 다음과 같습니다.

코드 복사

이 모델은 빠르고 정확한 분할이 필요한 애플리케이션에 적합합니다.

성능 및 비교

Ultralytics 프레임워크의 훌륭한 기능 중 하나는 다양한 모델을 나란히 비교할 수 있다는 것입니다. 추론 속도 및 평균 정밀도(mAP)와 같은 성능 지표를 살펴보면 특정 애플리케이션에 가장 적합한 모델을 쉽게 결정할 수 있습니다.

주요 내용

Ultralytics는 단 몇 줄의 코드로 객체 감지 및 분할 모델을 매우 쉽게 실행할 수 있도록 합니다. 실시간 애플리케이션을 개발하든 고정밀 모델이 필요하든 Ultralytics는 여러분을 위한 솔루션을 제공합니다. Ultralytics YouTube 채널에서 Nicolai Nielsen의 전체 튜토리얼을 통해 더 자세한 정보와 예제를 확인하십시오.

Ultralytics 커뮤니티의 더 많은 튜토리얼과 업데이트를 계속 지켜봐 주세요!

함께 미래의 AI를 만들어 갑시다!

미래의 머신러닝 여정을 시작하세요

무료로 시작하기
클립보드에 링크가 복사되었습니다.