다음에 대한 포괄적인 자습서 Ultralytics YOLO

Ultralytics' YOLO 🚀 가이드에 오신 것을 환영합니다! 포괄적인 튜토리얼은 훈련 및 예측에서 배포에 이르기까지 YOLO 객체 감지 모델의 다양한 측면을 다룹니다. PyTorch 을 기반으로 구축된 YOLO 은 실시간 객체 감지 작업에서 탁월한 속도와 정확성을 자랑합니다.

딥러닝 초보자부터 전문가까지, 컴퓨터 비전 프로젝트를 위한 YOLO 의 구현과 최적화에 대한 유용한 인사이트를 얻을 수 있는 튜토리얼입니다. 지금 바로 시작하세요!

Watch: Ultralytics YOLOv8 가이드 개요

가이드

다음은 Ultralytics YOLO 의 다양한 측면을 익히는 데 도움이 되는 심층 가이드 모음입니다.

• YOLO 일반적인 문제 ⭐ 권장 사항: Ultralytics YOLO 모델로 작업할 때 가장 자주 발생하는 문제에 대한 실용적인 솔루션 및 문제 해결 팁입니다.
• YOLO 성능 지표 ⭐ 필수: YOLO 모델의 성능을 평가하는 데 사용되는 mAP, IoU 및 F1 점수와 같은 주요 지표를 이해합니다. 탐지 정확도와 속도를 개선하는 방법에 대한 실용적인 예제와 팁이 포함되어 있습니다.
• 모델 배포 옵션: ONNX , OpenVINO, TensorRT 와 같은 YOLO 모델 배포 형식에 대한 개요와 각각의 장단점을 통해 배포 전략에 대한 정보를 얻을 수 있습니다.
• K-Fold 교차 검증 🚀 신규: K-Fold 교차 검증 기법을 사용하여 모델 일반화를 개선하는 방법을 알아보세요.
• 하이퍼파라미터 튜닝 🚀 신규: 튜너 클래스와 유전적 진화 알고리즘을 사용하여 하이퍼파라미터를 미세 조정하여 YOLO 모델을 최적화하는 방법을 알아보세요.
• SAHI 타일형 추론 🚀 신규: 고해상도 이미지에서 물체 감지를 위해 YOLOv8 에서 SAHI의 슬라이스 추론 기능을 활용하는 방법에 대한 종합 가이드입니다.
• AzureML 빠른 시작 🚀 새 기능: Microsoft의 Azure 머신 러닝 플랫폼에서 Ultralytics YOLO 모델을 사용하여 시작하고 실행하세요. 클라우드에서 개체 감지 프로젝트를 훈련, 배포 및 확장하는 방법을 알아보세요.
• Conda 빠른 시작 🚀 신규: Ultralytics 에 대한 Conda 환경 설정에 대한 단계별 가이드입니다. Ultralytics 패키지를 효율적으로 설치하고 사용하는 방법을 알아보세요.
• Docker빠른 시작 🚀 신규: Docker에서 Ultralytics YOLO 모델을 설정하고 사용하기 위한 전체 가이드입니다. 일관된 개발 및 배포를 위해 Docker를 설치하고, GPU 지원을 관리하고, 격리된 컨테이너에서 YOLO 모델을 실행하는 방법을 알아보세요.
• 라즈베리 파이 🚀 신규: 최신 라즈베리 파이 하드웨어에서 YOLO 모델을 실행하는 빠른 시작 튜토리얼.
• Nvidia-Jetson🚀신규: Nvidia Jetson 장치에 YOLO 모델을 배포하기 위한 빠른 시작 가이드.
• Triton 추론 서버 통합 🚀 신규: 확장 가능하고 효율적인 딥 러닝 추론 배포를 위해 Ultralytics YOLOv8 과 NVIDIA의 Triton 추론 서버의 통합에 대해 자세히 알아보세요.
• YOLO 스레드 안전 추론 🚀 신규: YOLO 모델을 사용하여 스레드 안전 방식으로 추론을 수행하기 위한 가이드라인입니다. 경쟁 조건을 방지하고 일관된 예측을 보장하기 위한 스레드 안전의 중요성과 모범 사례에 대해 알아보세요.
• 세분화 개체 분리하기 🚀 신규: Ultralytics 세분화를 사용하여 이미지에서 개체를 추출하거나 분리하는 방법에 대한 단계별 레시피와 설명이 추가되었습니다.
• 라즈베리 파이의 Edge TPU : 구글 엣지 TPU, 라즈베리 파이에서 YOLO 추론을 가속화합니다.
• 터미널에서 추론 이미지 보기: 원격 터널 또는 SSH 세션을 사용할 때 VSCode의 통합 터미널을 사용하여 추론 결과를 볼 수 있습니다.
• OpenVINO 지연 시간 대 처리량 모드 - 최고의 YOLO 추론 성능을 위한 지연 시간 및 처리량 최적화 기법에 대해 알아보세요.

실제 프로젝트

• 객체 카운팅 🚀 신규: Ultralytics YOLOv8 에서 실시간 객체 카운팅 프로세스를 살펴보고 라이브 비디오 스트림에서 객체를 효과적으로 카운팅하는 지식을 습득하세요.
• 개체 자르기 🚀 신규: 이미지와 동영상에서 개체를 정확하게 추출하기 위해 YOLOv8 을 사용하여 개체 자르기를 살펴보세요.
• 개체 흐림 🚀 신규: 이미지 및 동영상 처리에서 개인 정보 보호를 위해 YOLOv8 으로 개체 흐림을 적용합니다.
• 운동 모니터링 🚀 신규: Ultralytics YOLOv8 을 통해 운동 모니터링에 대한 포괄적인 접근 방식을 알아보세요. YOLOv8 을 효과적으로 사용하여 피트니스 루틴의 다양한 측면을 실시간으로 추적하고 분석하는 데 필요한 기술과 인사이트를 습득하세요.
• 영역 내 객체 카운팅 🚀 신규: 다양한 영역에서 정확하고 효율적인 객체 감지를 위해 Ultralytics YOLOv8 으로 특정 영역의 객체 카운팅을 살펴보세요.
• 보안 경보 시스템 🚀 신규: Ultralytics YOLOv8 을 통해 보안 경보 시스템을 만드는 과정을 알아보세요. 이 시스템은 프레임에서 새로운 객체가 감지되면 경고를 트리거합니다. 그런 다음 특정 사용 사례에 맞게 코드를 사용자 지정할 수 있습니다.
• 히트맵 🚀 새로운 기능: 탐지 히트맵으로 데이터에 대한 이해도를 높이세요! 이 직관적인 시각 도구는 생생한 색상 그라데이션을 사용해 매트릭스에서 데이터 값의 강도를 생생하게 보여줍니다. 컴퓨터 비전에서 필수적인 히트맵은 관심 영역을 강조하도록 능숙하게 설계되어 공간 정보를 즉각적이고 영향력 있게 해석할 수 있는 방법을 제공합니다.
• 객체 추적을 통한 인스턴스 세분화 🚀 신규: 정확한 객체 경계를 시각적으로 표현하여 이해와 분석을 향상시키는 바운딩 박스 모양의 객체 세분화 기능을 살펴보세요.
• 비전아이 객체 매핑 🚀 신규: 이 기능은 사람의 눈이 특정 시점에서 세부 사항을 관찰하는 방식과 마찬가지로 컴퓨터가 특정 객체를 식별하고 집중할 수 있도록 지원합니다.
• 속도 추정 🚀 신규: 컴퓨터 비전의 속도 추정은 물체 추적과 같은 기술을 통한 물체 움직임 분석에 의존하며, 이는 자율주행 차량 및 교통 모니터링과 같은 애플리케이션에 매우 중요합니다.
• 거리 계산 🚀 신규: 정의된 공간 내에서 두 개체 사이의 거리를 측정하는 거리 계산은 매우 중요한 부분입니다. Ultralytics YOLOv8 에서 사용되는 방법은 사용자가 강조 표시한 경계 상자와 관련된 거리를 결정하기 위해 경계 상자 중심을 사용하는 것입니다.
• 대기열 관리 🚀 신규: 대기열 관리는 대기 시간을 최소화하고 전반적인 생산성을 향상시키기 위해 전략적 계획과 기술 구현을 통해 사람이나 작업의 흐름을 효율적으로 제어하고 지시하는 관행입니다.
• 주차 관리 🚀 신규: 주차 관리에는 전략적 계획과 기술 통합을 통해 주차 구역의 차량 흐름을 효율적으로 구성하고 지시하여 공간 활용도를 최적화하고 사용자 경험을 향상시키는 것이 포함됩니다.

가이드에 기여하기

커뮤니티의 기여를 환영합니다! 아직 가이드에서 다루지 않은 Ultralytics YOLO 의 특정 측면을 마스터했다면 여러분의 전문 지식을 공유해 주시기 바랍니다. 가이드를 작성하는 것은 커뮤니티에 보답하고 더욱 포괄적이고 사용자 친화적인 문서를 만드는 데 도움이 되는 좋은 방법입니다.

시작하려면 풀 리퀘스트(PR)를 여는 방법에 대한 가이드라인이 담긴 기여 가이드를 참조하세요(🛠️). 여러분의 기여를 기다리겠습니다!

Ultralytics YOLO 생태계를 더욱 견고하고 다양하게 만들기 위해 함께 노력합시다 🙏!

댓글