ultralytics: 오픈 소스 컴퓨터 비전 및 딥러닝 프레임워크 146

Ultralytics는 사용하기 좋은 오픈소스 컴퓨터 비전 및 딥러닝 프레임워크입니다. 주로 YOLO 시리즈 모델(YOLOv5, YOLOv8 등)을 개발하고 실행하는 데 사용됩니다. 이 도구는 빠른 반응이 필요한 비전 작업인 객체 탐지, 이미지 분할, 동작 인식 등에서 자주 사용됩니다.

간단히 말하면, 모델 학습부터 실제 사용까지 아주 쉽게 만들어주는 툴킷이라고 할 수 있습니다.

Ultralytics 핵심 기능

다양한 작업 지원

다양한 컴퓨터 비전 작업을 처리할 수 있습니다.

• 사물 찾기: 객체의 위치를 표시합니다.

• 이미지 자르기: 객체의 윤곽을 정밀하게 분리합니다.

• 동작 인식: 사람의 관절 위치를 파악합니다.

• 분류: 이미지 전체가 무엇인지 판단합니다.

• 기울어진 사물 찾기: 항공 촬영 사진 속 비스듬히 있는 차량처럼 각도가 있는 사물을 찾습니다.

전반적인 개발 프로세스 지원

• 데이터 준비, 모델 학습부터 최종 배포 및 사용까지 전체 과정을 관리합니다.

빠르고 다루기 쉬움

• 간단한 조작: 간단한 코드 명령으로 초보자도 쉽게 배울 수 있습니다.

• 빠른 실행: 다양한 가속 기술을 지원하여 매우 빠르게 연산합니다.

• 다양한 모델: 대형 모델과 소형 모델이 모두 있어 속도와 정밀도 중 필요에 맞게 선택할 수 있습니다.

다양한 환경에서 편리하게 사용 가능

• 모델을 다양한 형식으로 변환하여 컴퓨터, 모바일 기기 또는 전용 하드웨어 장치에서 실행할 수 있습니다.

ultralytics 활용 사례

• 공장 품질 검사: 제품 불량 검사, 부품 수량 파악, 코드 판독 등 이미 200개 이상의 생산 라인에 적용되었습니다.

• 도시 방범: 얼굴 인식, 차량 감시, 화재 감지, 교통량 측정.

• 로봇 및 자동차: 장애물 회피, 도로 인식, 차선 인식.

• 의료 및 과학 연구: 세포 분할, X-ray 이미지 분석, 실험 테스트 수행.

• 소형 장치: 드론, 감시 카메라, 휴대용 기기에서도 일반 프로세서로 소형 모델을 실행할 수 있습니다.

ultralytics 사용 방법

Ultralytics는 Python 코드와 명령행 등 유연한 사용 방식을 제공합니다.

Python API 사용 예제

from ultralytics import YOLO

# 1. 사전 학습된 모델 로드 (예: YOLOv8 nano)
model = YOLO("yolov8n.pt")

# 2. 사용자 정의 데이터셋에서 모델 학습
model.train(data="coco.yaml", epochs=100, imgsz=640)

# 3. 이미지에 대해 객체 탐지 수행
results = model("image.jpg")

# 4. 결과 저장
results[0].save(filename="result.jpg")

명령줄 도구 (CLI) 예제

# 이미지에 대해 예측 수행
yolo predict model=yolov8n.pt source='path/to/image.jpg'

# 모델 학습 시작
yolo detect train data=coco.yaml model=yolov8n.pt epochs=100

자주 묻는 질문 & 해결 방안