Ultralytics YOLO26을 사용한 객체 크롭#
객체 크롭이란 무엇인가요?#
Ultralytics YOLO26을 사용한 객체 크롭은 이미지나 동영상에서 특정 검출 객체를 분리하고 추출하는 작업입니다. YOLO26 모델의 기능을 활용해 객체를 정확하게 식별하고 윤곽을 구분하므로, 추가 분석이나 조작을 위해 정밀하게 크롭할 수 있습니다.
시청: Ultralytics YOLO를 사용한 객체 자르기
객체 크롭의 장점#
- 집중 분석: YOLO26을 사용하면 특정 객체를 대상으로 크롭할 수 있어 장면 내 개별 항목을 심층적으로 조사하거나 처리할 수 있습니다.
- 데이터 용량 감소: 객체 크롭은 관련 객체만 추출하므로 데이터 크기를 최소화하고 저장, 전송 또는 후속 연산 작업의 효율성을 높이는 데 도움이 됩니다.
- 정밀도 향상: YOLO26의 객체 검출 정확도는 크롭된 객체의 공간적 관계를 유지하여 상세 분석에 필요한 시각 정보의 무결성을 보존합니다.
시각 자료#
| 공항 수하물 |
|---|
 |
| Ultralytics YOLO26을 사용한 공항 컨베이어 벨트의 여행 가방 크롭 |
YOLO26으로 객체 크롭#
동영상을 ObjectCropper 솔루션에 전달하면 각 프레임에서 객체를 검출하고 각 검출 결과를 별도의 이미지로 저장합니다. 크롭 대상을 특정 classes으로 제한하고, 신뢰도 높은 검출 결과만 유지하도록 conf를 높인 다음, 크롭 이미지를 저장할 위치를 지정하려면 crop_dir을 설정합니다.
# Crop the objects
yolo solutions crop
# Pass a source video
yolo solutions crop source="path/to/video.mp4"
# Crop specific classes
yolo solutions crop classes="[0, 2]"ObjectCropper 인수#
다음은 ObjectCropper 인수 표입니다:
| 인수 | 유형 | 기본값 | 설명 |
|---|---|---|---|
model | str | None | Ultralytics YOLO 모델 파일의 경로입니다. |
crop_dir | str | 'cropped-detections' | 잘라낸 감지 결과를 저장할 디렉터리 이름입니다. |
verbose | bool | True | 프레임별 입력 형태, 클래스 개수 및 처리 속도 로그를 활성화합니다. 추적 호출 자체는 항상 로그를 출력하지 않습니다. |
ObjectCropper은 track가 아닌 predict을 실행하므로, tracker을 제외한 다음 추론 매개변수를 지원합니다.
| 인수 | 유형 | 기본값 | 설명 |
|---|---|---|---|
tracker | str | 'tracktrack.yaml' | 사용할 추적 알고리즘을 지정합니다. 기본 제공 옵션: botsort.yaml, bytetrack.yaml, ocsort.yaml, deepocsort.yaml, fasttrack.yaml, tracktrack.yaml. |
conf | float | 0.25 | 탐지에 대한 신뢰도 임계값을 설정합니다. 값을 낮추면 추적할 수 있는 객체가 늘어나지만 오탐이 포함될 수 있습니다. |
iou | float | 0.7 | 중복 탐지를 필터링하기 위한 교집합 대비 합집합 (IoU) 임계값을 설정합니다. |
classes | list | None | 클래스 인덱스로 결과를 필터링합니다. 예를 들어 classes=[0, 2, 3]은 지정된 클래스만 추적합니다. |
device | str | None | 추론에 사용할 장치를 지정합니다(예: cpu, cuda:0 또는 0). 사용자는 모델 실행에 사용할 CPU, 특정 GPU 또는 기타 연산 장치를 선택할 수 있습니다. |
imgsz | int or tuple | 640 | 추론 대상 이미지 크기입니다. 정사각형을 나타내는 정수 또는 (height, width) 쌍을 지정합니다. 모델 stride에 맞춰 형태가 조정됩니다. |
max_det | int | 300 | 추적 전에 프레임별로 유지할 최대 탐지 수를 지정하여 밀집된 장면에서 솔루션이 처리하는 객체 수를 제한합니다. |
quantize | int or str | None | 추론 정밀도: CPU 이외의 환경에서 PyTorch 및 TorchScript 모델은 16(FP16) 또는 32/unset(FP32)을 사용하며, 다른 형식은 아티팩트와 런타임이 선택하는 정밀도를 사용합니다. 더 이상 사용되지 않는 half 인수를 대체합니다. |
자주 묻는 질문#
Ultralytics YOLO26을 사용한 객체 크롭은 YOLO26의 검출 기능을 바탕으로 이미지나 동영상에서 특정 객체를 분리하고 추출하는 작업입니다. 이 과정에서는 YOLO26으로 객체를 높은 정확도로 식별하고 이에 맞게 크롭하므로, 집중 분석과 데이터 용량 감소, 정밀도 향상이 가능합니다. 자세한 튜토리얼은 객체 크롭 예제를 참조하세요.
Ultralytics YOLO26은 정밀도, 속도, 사용 편의성이 뛰어납니다. 상세하고 정확한 객체 검출 및 크롭을 지원하므로, 집중 분석과 높은 데이터 무결성이 필요한 애플리케이션에 필수적인 기능을 제공합니다. 또한 실시간 기능과 다양한 하드웨어에서의 최적화가 필요한 배포를 위해 OpenVINO, TensorRT와 같은 도구와 원활하게 통합됩니다. 모델 내보내기 가이드에서 장점을 확인하세요.
Ultralytics YOLO26을 사용해 이미지나 동영상에서 관련 객체만 크롭하면 데이터 크기를 크게 줄여 저장 및 처리 효율성을 높일 수 있습니다. 이 과정에서는 모델을 학습시켜 특정 객체를 검출한 다음, 그 결과를 사용해 해당 영역만 크롭하고 저장합니다. Ultralytics YOLO26의 기능을 활용하는 방법은 빠른 시작 가이드를 참조하세요.