최신 도구를 사용하여 의료, 농업, 소매업 등을 위한 맞춤형 모델을 학습하는 Ultralytics YOLO 이미지 분류에 대해 알아보세요.
이미지 분류는 컴퓨터 비전(CV)의 기본 작업으로 컴퓨터 비전(CV)의 기본 작업으로, 시각적 콘텐츠를 기반으로 전체 디지털 이미지에 하나의 레이블 또는 카테고리를 전체 디지털 이미지에 할당하는 작업입니다. 이 프로세스를 통해 기계는 다음을 수행할 수 있습니다. "시각 데이터 내의 패턴, 사물 또는 장면을 인식하여 세상을 '보고' 해석할 수 있습니다. 머신 러닝의 핵심 핵심 인공 지능(AI)의 핵심 구성 요소로서 보다 복잡한 시각 인식 시스템의 구성 요소로서, 자동화된 시스템이 방대한 양의 시각 정보를 효율적으로 방대한 양의 시각적 정보를 효율적으로 분류할 수 있습니다.
기술적인 수준에서 이미지 분류는 특히 머신 러닝(ML) 알고리즘, 특히 딥러닝(DL) 모델, 특히 컨볼루션 신경망(CNN). 이러한 네트워크는 픽셀 데이터를 처리하고 자동으로 다음을 수행하도록 설계되었습니다. 특징 추출, 낮은 수준의 초기 레이어의 가장자리와 텍스처, 더 깊은 레이어의 복잡한 모양과 같은 낮은 수준의 속성을 식별하도록 설계되었습니다.
이 프로세스는 일반적으로 다음과 같이 진행됩니다. 지도 학습 접근 방식을 따릅니다:
다음과 같은 인기 프레임워크 PyTorch 및 TensorFlow 과 같은 인기 프레임워크는 이러한 정교한 아키텍처를 구축하고 교육하는 데 필요한 필요한 도구를 제공합니다.
이미지 분류는 "이 이미지에 무엇이 있는가?"라는 질문에 답하지만, 다른 컴퓨터 비전 작업과 혼동되는 경우가 많습니다. 컴퓨터 비전 작업과 혼동되는 경우가 많습니다. 프로젝트에 적합한 도구를 선택하려면 이러한 구분을 이해하는 것이 중요합니다:
이미지 분류는 산업 전반에 걸쳐 보편화되어 자동화를 촉진하고 의사 결정 프로세스를 개선합니다.
의료 영상 분석 분야에서 분류 모델은 스캔을 사전 선별하여 방사선과 의사를 지원합니다. 예를 들어, 알고리즘은 흉부 엑스레이나 MRI를 '정상' 또는 '비정상'으로 분류하여 폐렴이나 종양과 같은 잠재적 문제를 우선적으로 검토할 수 있습니다. 검토. 미국 국립보건원(NIH) 의 연구에 따르면 AI가 질병의 조기 진단을 질병 조기 진단에 도움을 주어 환자 치료 결과를 크게 개선하는 방법을 보여줍니다. 자세한 내용은 다음에서 확인할 수 있습니다. 에서 자세히 알아보세요.
정밀 농업은 이미지 분류를 활용하여 작물의 상태를 모니터링합니다. 카메라가 장착된 드론이 농작물의 이미지를 캡처한 다음 밭의 이미지를 캡처한 다음, 이를 분석하여 식물이 건강한지, 영양분이 부족한지, 병에 걸렸는지 classify . 이를 통해 다음을 수행할 수 있습니다. 표적화된 개입을 통해 약품 사용량을 줄이고 수확량을 늘릴 수 있습니다. 미국 미국 농무부(USDA) 는 이러한 기술이 어떻게 지속 가능한 농업 관행을 촉진하는지 강조합니다. Ultralytics 지원 방법 알아보기 현대 농업에 혁신을 가져오는 농업.
탐지 기능으로 유명하지만 Ultralytics YOLO11 아키텍처는 이미지 분류 작업에도 매우 효율적입니다. 이미지 분류 작업에도 매우 효율적입니다. 속도와 정확성 속도와 정확성이 균형을 이루고 있어 실시간 애플리케이션에 적합합니다.
다음은 사전 학습된 YOLO11 모델을 사용하여 이미지를 classify 방법에 대한 간결한 예시입니다.
ultralytics Python 패키지:
from ultralytics import YOLO
# Load a pre-trained YOLO11 classification model
model = YOLO("yolo11n-cls.pt")
# Run inference on an external image URL
results = model("https://ultralytics.com/images/bus.jpg")
# Print the top predicted class name
print(f"Predicted class: {results[0].names[results[0].probs.top1]}")
자신만의 솔루션을 만들고자 하는 사용자는 다음을 수행할 수 있습니다. 특정 데이터 세트에 대해 사용자 지정 모델을 학습시킬 수 있습니다. API를 사용할 수 있습니다. 다음과 같은 도구를 사용하여 엣지 디바이스에 배포하든 OpenCV 또는 클라우드 인프라로 확장 최신 분류 모델은 다양한 배포 시나리오에 필요한 다용도성을 제공합니다. 시나리오에 필요한 다양성을 제공합니다.
