JSON이 AI 데이터 교환을 어떻게 간소화하는지 알아보세요. Ultralytics 예측 결과를 JSON으로 내보내 원활한 API 통합 및 모델 배포를 수행하는 방법을 확인하세요.
JSON( JavaScript 객체 표기법)은 데이터를 저장하고 전송하는 데 사용되는 경량 텍스트 기반 형식입니다. 인공지능 및 기계 학습 분야에서 서버, 웹 애플리케이션, 추론 엔진 간 데이터 교환을 위한 보편적 표준으로 기능합니다. 키-값 쌍과 순서 있는 목록으로 구성된 JSON의 구조는 사람이 읽고 쓰기 쉬우면서도 기계가 파싱하고 생성하기에 수월합니다. 언어 독립적 특성 덕분에 JSON은 Python 훈련된 Python JavaScript, C++, Go로 실행되는 배포 환경 간의 원활한 통신을 가능하게 합니다.
컴퓨터 비전 모델이 프로덕션 환경에 배포되면 일반적으로 REST API를 통해 상호작용합니다. 예를 들어, 감시 시스템이 객체 탐지 모델을 실행하는 서버에 비디오 프레임을 전송하면, 서버는 이미지를 분석하여 결과를 반환합니다. 서버는 이진 이미지를 되돌려 보내는 대신 경계 상자의 좌표, 탐지된 클래스 이름, 관련 신뢰도 점수를 포함한 JSON 문자열로 응답합니다. 이 텍스트 기반 응답은 프론트엔드 대시보드, 모바일 앱 또는 MongoDB와 같은 NoSQL 데이터베이스에서 로깅 및 분석을 위해 쉽게 활용될 수 있습니다.
추론을 넘어 JSON은 훈련 데이터 구조화에 핵심적입니다. 인기 있는 COCO 데이터셋 형식은 이미지 파일 경로, 라이선스 정보, 주석 좌표를 정의하기 위해 포괄적인 JSON 스키마를 사용합니다. 이는 YOLO TXT 형식과 같은 다른 형식 인기 있는 COCO 형식은 이미지 파일 경로, 라이선스 정보, 주석 좌표를 정의하기 위해 포괄적인 JSON 스키마를 사용합니다. 이는 간단한 공백 구분 텍스트 파일을 사용하는 YOLO 형식 같은 다른 형식과 대비됩니다. Ultralytics 고급 도구는 클라우드에서 복잡한 프로젝트 메타데이터와 데이터셋 버전 관리를 위해 종종 JSON을 활용합니다.
현대적인 프레임워크는 과정을 단순화합니다.
데이터 직렬화개발자가 모델 출력을 JSON으로 직접 내보낼 수 있도록 합니다. ultralytics 라이브러리는 탐지 결과를 직렬화하는 내장 메서드를 제공하여
통합을 간편하게 합니다.
YOLO26 모델을 더 큰 소프트웨어 생태계로 통합한다.
다음 예제는 YOLO26 모델로 추론을 실행하고 탐지 결과를 표준화된 JSON 문자열로 변환하는 방법을 보여줍니다:
import json
from ultralytics import YOLO
# Load the YOLO26 model
model = YOLO("yolo26n.pt")
# Run inference on an image
results = model("https://ultralytics.com/images/bus.jpg")
# Convert the first result object to a JSON string
# This serializes boxes, classes, and confidence scores
json_output = results[0].tojson()
# Parse back to a dict to verify structure
data = json.loads(json_output)
print(f"Detected {len(data)} objects.")
JSON은 웹 개발과 API 설계에서 보편적으로 사용되지만, 딥러닝 워크플로우에서 흔히 접하는 다른 데이터 직렬화 형식과 구분하는 것이 중요합니다.
.yaml 파일. JSON은 더 엄격하며 주석을 지원하지 않고
기계가 파싱하는 데 일반적으로 더 빠르므로 데이터 전송 및 API 응답에 더 적합합니다.
JSON의 광범위한 채택은 다양한 도구 간의 상호 운용성을 촉진합니다. 내보내든
인스턴스 분할 마스크, 보관
이미지 분류 라벨 또는 구성
모델 배포 파이프라인에서 JSON은 데이터가
구조화되고 접근 가능하도록 보장합니다. 그 역할은 GeoJSON지리 데이터 구조를 인코딩하기 위한 특수한 형식으로,
자주 사용되는
위성 이미지 분석 탐지된 객체를 지리적 좌표에 매핑합니다. Python 내장 기능을 활용하여
json 도서관개발자는 이러한 데이터 구조를 쉽게 검증하고,
구문 분석하며, 조작하여 강력한 AI 애플리케이션을 구축할 수 있습니다.
.webp)