Learn AI with Python · 강의

YOLOv8을 활용한 객체 탐지

ultralytics YOLO, model.predict(), 경계 상자, 신뢰도 필터링, 사용자 지정 학습을 다룹니다.

YOLOv8을 활용한 객체 탐지은(는) CoddyKit의 무료 Learn AI with Python 강의입니다. 이것은 4개 중 4번째 강의입니다. 아래에서 전체 강의를 무료로 읽을 수 있으며, 내장 코드 에디터와 24/7 AI 튜터와 함께 브라우저에서 직접 실습할 수 있습니다. 이 강의는 Learn AI with Python 학습 경로의 일부이며, 진행 상황이 웹과 CoddyKit 앱에 동기화됩니다. Learn AI with Python 강의에는 총 4개의 강의가 포함되어 있습니다.

분류와 탐지 비교

이미지 분류는 이미지에 무엇이 있는지 알려 줍니다. 객체 탐지는 여기서 더 나아가 각 객체가 어디에 있는지 찾고 경계 상자와 레이블을 그립니다. YOLO는 가장 널리 사용되는 실시간 탐지기입니다.

YOLO란 무엇인가요?

YOLO(You Only Look Once)는 한 번의 순전파로 모든 객체를 탐지하므로 동영상에서도 충분히 빠르게 동작합니다. Ultralytics의 YOLOv8은 추론과 학습을 위한 깔끔한 Python API를 제공합니다.

pip install ultralytics

사전 학습된 모델 불러오기

YOLO를 가져오고 체크포인트를 불러옵니다. yolov8n.pt는 작고 빠른 나노 모델입니다. 더 큰 변형(s, m, l, x)은 속도와 정확도를 서로 맞바꿉니다. 가중치는 처음 사용할 때 자동으로 다운로드됩니다.

from ultralytics import YOLO

model = YOLO("yolov8n.pt")

추론 실행하기

이미지 경로, URL 또는 배열에 model.predict(또는 간단히 model(image))를 호출합니다. 입력 이미지마다 하나씩 포함된 결과 목록이 반환됩니다.

results = model.predict("street.jpg", conf=0.5)

conf 임계값

conf 매개변수는 탐지 결과로 유지할 최소 신뢰도를 설정합니다. 값을 높이면 확실하지 않은 상자를 제거하여 오탐을 줄이고, 값을 낮추면 잡음이 생길 수 있지만 더 많은 객체를 탐지할 수 있습니다.

results = model.predict("street.jpg", conf=0.25)  # more detections
results = model.predict("street.jpg", conf=0.7)   # only confident ones

상자 읽기

각 결과에는 boxes 객체가 있습니다. boxes.xyxy는 [x1, y1, x2, y2] 형식으로 경계 상자의 모서리를 반환합니다. 이는 왼쪽 위와 오른쪽 아래 픽셀 좌표입니다.

r = results[0]
print(r.boxes.xyxy)  # tensor of [x1, y1, x2, y2] rows

클래스와 신뢰도

상자와 함께 boxes.cls(클래스 인덱스)와 boxes.conf(신뢰도 점수)도 얻습니다. model.names로 인덱스를 이름에 매핑합니다.

for box in r.boxes:
    cls_id = int(box.cls)
    conf = float(box.conf)
    name = model.names[cls_id]
    print(name, round(conf, 2))

결과 시각화하기

results[0].plot()은 상자와 레이블이 그려진 주석 이미지 배열을 반환하므로 바로 표시하거나 저장할 수 있습니다. 탐지 결과를 빠르게 확인할 때 유용합니다.

annotated = results[0].plot()

import cv2
cv2.imwrite("output.jpg", annotated)

동영상에서 탐지하기

동영상 파일이나 웹캠 인덱스를 전달하면 YOLO가 모든 프레임을 처리합니다. stream=True를 사용하면 프레임마다 결과를 생성하므로 긴 동영상에서도 메모리 사용량을 낮게 유지할 수 있습니다.

for result in model.predict("clip.mp4", stream=True):
    boxes = result.boxes
    # process each frame

사용자 정의 학습

자체 객체 클래스를 탐지하려면 YAML 파일에 설명된 레이블 데이터셋으로 학습합니다. 데이터 설정, 에폭 수, 이미지 크기를 지정하여 model.train을 호출합니다. YOLO가 사전 학습된 가중치를 미세 조정합니다.

model = YOLO("yolov8n.pt")
model.train(
    data="my_dataset.yaml",
    epochs=50,
    imgsz=640
)

data YAML

데이터셋 YAML에는 학습/검증 이미지 폴더와 클래스 이름이 나열됩니다. YOLO는 각 이미지에 객체별로 정규화된 경계 상자 좌표가 담긴 대응 레이블 파일이 있을 것으로 예상합니다.

# my_dataset.yaml
# train: images/train
# val: images/val
# names:
#   0: helmet
#   1: vest

빠른 확인

YOLOv8에 대한 이해도를 확인해 보세요.

복습: YOLOv8을 활용한 객체 탐지

YOLO("yolov8n.pt")로 사전 학습된 탐지기를 불러오고, model.predict(img, conf=0.5)를 실행했으며, results[0].boxes.xyxy, .cls, .conf에서 탐지 결과를 읽었습니다. results[0].plot()으로 결과를 시각화하고, data YAML과 model.train을 사용하여 사용자 정의 클래스에 맞게 미세 조정했습니다.

자주 묻는 질문

“YOLOv8을 활용한 객체 탐지” 강의는 무료인가요?

네 — “YOLOv8을 활용한 객체 탐지” 전체 내용을 이 웹사이트에서 무료로 읽을 수 있습니다. 인터랙티브하게 실습하려면(내장 코드 에디터와 24/7 AI 튜터), CoddyKit PRO로 업그레이드하면 Learn AI with Python 강의 전체를 잠금 해제할 수 있습니다. Learn AI with Python 강의에는 총 4개의 강의가 포함되어 있습니다.

“YOLOv8을 활용한 객체 탐지”에서 뭘 배우나요?

ultralytics YOLO, model.predict(), 경계 상자, 신뢰도 필터링, 사용자 지정 학습을 다룹니다. 브라우저에서 직접 실행하는 실습 코드로 Learn AI with Python을(를) 배우며, 24/7 AI 튜터가 강의를 진행하면서 질문에 답변해줍니다.

Learn AI with Python을(를) 시작하는 데 경험이 필요한가요?

사전 경험은 필요하지 않습니다. CoddyKit의 Learn AI with Python은(는) 초급자부터 고급 학습자까지를 위해 구성되어 있으므로, 여기서 시작하거나 처음부터 시작할 수 있으며 자신의 속도대로 진행할 수 있습니다. 이것은 4개 중 4번째 강의입니다.

“YOLOv8을 활용한 객체 탐지” 강의는 얼마나 걸리나요?

대부분의 CoddyKit 강의는 약 5~10분이 소요됩니다. 각 강의는 간결하고 인터랙티브하여 꾸준한 진행이 가능하며, 웹과 앱에서 중단한 부분부터 바로 시작할 수 있습니다.

이 Learn AI with Python 강의에서 코드를 작성하고 실행할 수 있나요?

네. 모든 Learn AI with Python 강의에는 내장 코드 에디터가 포함되어 있으므로, 브라우저에서 바로 실제 코드를 작성하고 실행한 후 즉시 AI 피드백을 받을 수 있습니다 — 로컬 설정이 필요 없습니다.

이 강의의 모든 강의

← Learn AI with Python(으)로 돌아가기