Ultralytics YOLO27:

Ultralytics YOLO26을 사용한 객체 크롭#

객체 크롭이란 무엇인가요?#

Ultralytics YOLO26을 사용한 객체 크롭은 이미지나 동영상에서 감지된 특정 객체를 분리하고 추출하는 작업입니다. YOLO26 모델의 기능을 활용하여 객체를 정확하게 식별하고 경계를 지정하므로, 추가 분석이나 조작을 위해 정밀하게 크롭할 수 있습니다.



Watch: Object Cropping using Ultralytics YOLO

객체 크롭의 장점#

  • 집중 분석: YOLO26은 대상 객체를 중심으로 크롭할 수 있도록 하여, 장면 내 개별 항목을 심층적으로 검사하거나 처리할 수 있게 합니다.
  • 데이터 용량 감소: 관련 객체만 추출하면 데이터 크기를 최소화할 수 있으므로 저장, 전송 또는 후속 계산 작업을 효율적으로 수행할 수 있습니다.
  • 향상된 정밀도: YOLO26의 객체 감지 정확도는 크롭된 객체가 공간적 관계를 유지하도록 하여, 상세한 분석에 필요한 시각 정보의 무결성을 보존합니다.

시각 자료#

공항 수하물
Ultralytics YOLO26을 사용한 공항 컨베이어 벨트의 여행 가방 크롭
Ultralytics YOLO26을 사용한 공항 컨베이어 벨트의 여행 가방 크롭

YOLO26으로 객체 크롭하기#

동영상을 ObjectCropper 솔루션에 전달하면 각 프레임에서 객체를 감지하고 모든 감지 결과를 별도의 이미지로 저장합니다. 특정 classes으로 크롭을 제한하고, 신뢰도가 높은 감지 결과만 유지하도록 conf를 높이며, 크롭 결과를 저장할 위치를 지정하려면 crop_dir을 설정합니다.

Ultralytics YOLO를 사용한 객체 크롭
# 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.

인수유형기본값설명
modelstrNoneUltralytics YOLO 모델 파일의 경로입니다.
crop_dirstr'cropped-detections'크롭된 검출 결과를 저장할 디렉터리 이름입니다.

FAQ#

  • Ultralytics YOLO26을 사용한 객체 크롭은 YOLO26의 감지 기능을 기반으로 이미지나 동영상에서 특정 객체를 분리하고 추출하는 작업입니다. 이 프로세스에서는 YOLO26을 활용하여 객체를 높은 정확도로 식별하고 그에 맞게 크롭하므로, 집중 분석, 데이터 용량 감소 및 향상된 정밀도를 얻을 수 있습니다. 자세한 튜토리얼은 객체 크롭 예제를 참조하세요.

  • Ultralytics YOLO26은 정밀도, 속도 및 사용 편의성 측면에서 뛰어납니다. 상세하고 정확한 객체 감지와 크롭을 지원하므로 집중 분석 및 높은 데이터 무결성이 필요한 애플리케이션에 필수적입니다. 또한 YOLO26은 OpenVINOTensorRT와 원활하게 통합되어 실시간 기능과 다양한 하드웨어에서의 최적화가 필요한 배포를 지원합니다. 자세한 이점은 모델 내보내기 가이드에서 확인하세요.

  • Ultralytics YOLO26을 사용하여 이미지나 동영상에서 관련 객체만 크롭하면 데이터 크기를 크게 줄여 저장 및 처리를 더욱 효율적으로 수행할 수 있습니다. 이 프로세스에서는 모델이 특정 객체를 감지하도록 학습한 다음, 그 결과를 사용하여 해당 영역만 크롭하고 저장합니다. Ultralytics YOLO26의 기능을 활용하는 방법에 대한 자세한 내용은 빠른 시작 가이드를 참조하세요.

  • 예. Ultralytics YOLO26은 실시간 동영상 스트림을 처리하여 객체를 동적으로 감지하고 크롭할 수 있습니다. 모델의 고속 추론 기능은 감시, 스포츠 분석 및 자동 검사 시스템과 같은 실시간 애플리케이션에 적합합니다. 실시간 처리를 구현하는 방법은 트래킹예측 모드를 확인하세요.

  • Ultralytics YOLO26은 CPU 및 GPU 환경 모두에 최적화되어 있지만, 특히 실시간 또는 대용량 추론에서 최적의 성능을 얻으려면 전용 GPU(예: NVIDIA Tesla, RTX 시리즈)를 사용하는 것이 좋습니다. 경량 디바이스에 배포하려면 iOS에는 CoreML, Android에는 LiteRT를 사용하는 방법을 고려해 보세요. 지원되는 디바이스와 형식에 대한 자세한 내용은 모델 배포 옵션에서 확인할 수 있습니다.

댓글