Python에서 사전 훈련된 Ultralytics YOLOv8 모델을 사용한 분할

Ultralytics YOLOv8 모델을 사용하여 객체 분할의 세계를 살펴보겠습니다. 이 블로그 게시물에서는 Python에서 쉽고 간편하게 분할을 설정하고 실행하는 방법을 안내합니다.

세분화를 위한 준비

YOLOv8에 집중하면서 시작해 보겠습니다. 이 강력한 모델을 설치하는 것은 매우 쉬우며, 잠시 후 세분화 기능을 활용할 준비가 완료됩니다. 

개체 인스턴스 분할은 이미지 내에서 개별 객체를 정확히 찾아내고 배경에서 분리하여 객체 감지에서 한 단계 더 나아갑니다. 

출력은 각 객체의 윤곽을 나타내는 마스크 또는 윤곽선과 클래스 레이블 및 신뢰도 점수로 구성됩니다. 이 기술은 정확한 객체 모양이 필수적일 때 매우 유용하며, 객체 위치뿐만 아니라 형태에 대한 자세한 정보도 제공합니다.

몇 가지 간단한 명령만으로 명령줄에서 예측을 실행하여 YOLOv8이 제공하는 혁신과 단순성을 직접 확인할 수 있습니다.

‍

실시간 분할: 이미지에 생명을 불어넣기

실시간으로 분할을 경험할 수 있는데 왜 정적 이미지에만 국한될까요? 당사의 Python 스크립트는 라이브 분할의 역동적인 세계로 향하는 관문입니다. 

YOLO 클래스를 활용하고 OpenCV와 완벽하게 통합함으로써 프로젝트에 생기를 불어넣고 숨겨진 통찰력과 패턴을 발견할 수 있습니다. 

의자를 식별하는 것부터 식물을 구별하는 것까지, 그 가능성은 상상력만큼 무궁무진합니다.

‍

Ultralytics는 또한 모든 사용 사례에 대한 훌륭한 시작점이 되는 COCO 분할 사전 훈련된 모델에 대한 지원을 제공합니다. 그런 다음 특정 요구 사항에 맞게 이러한 모델을 미세 조정할 수 있습니다.

전반적으로 차량 부품 인스턴스 분할, 균열 분할 및 산업 패키지 분할과 같은 다양한 데이터 세트에 대한 지원을 제공합니다. 이러한 데이터 세트에 대한 분할 모델 학습은 문서에서 제공되는 단일 명령으로 간단하게 수행할 수 있습니다.

계속 지켜봐 주세요

YOLOv8 영역을 더 깊이 탐구하고 사용자 고유의 데이터 세트에 대한 사용자 정의 학습 및 추론을 탐구하면서 다가오는 비디오에 참여하세요. 

저희는 AI와 머신러닝의 복잡성을 한 번에 한 단계씩 간소화하기 위해 노력하고 있습니다. 저희의 목표는 개인과 조직 모두가 YOLOv8과 같은 최첨단 기술의 잠재력을 최대한 활용할 수 있도록 지원하는 것입니다. 저희의 안내와 여러분의 호기심이 있다면 어떤 놀라운 혁신이 기다리고 있을지 모릅니다.

Ultralytics YOLOv8의 모든 잠재력을 활용하는 데 동참하세요. 전체 비디오를 여기에서 시청하세요!