YOLOv3, YOLOv3-Ultralytics, YOLOv3u
κ°μ
μ΄ λ¬Έμμμλ μλ‘ λ°μ νκ² κ΄λ ¨λ μΈ κ°μ§ κ°μ²΄ κ°μ§ λͺ¨λΈ, μ¦ YOLOv3, YOLOv3-Ultralytics, YOLOv3uμ λν κ°μλ₯Ό μ€λͺ ν©λλ€.
-
YOLOv3: You Only Look Once(YOLO) κ°μ²΄ κ°μ§ μκ³ λ¦¬μ¦μ μΈ λ²μ§Έ λ²μ μ λλ€. μλ Joseph Redmonμ΄ κ°λ°ν YOLOv3λ λ©ν°μ€μΌμΌ μμΈ‘κ³Ό μΈ κ°μ§ ν¬κΈ°μ κ°μ§ 컀λκ³Ό κ°μ κΈ°λ₯μ λμ νμ¬ μ΄μ λ²μ λ³΄λ€ κ°μ λμμ΅λλ€.
-
YOLOv3-Ultralytics: Ultralytics ' YOLOv3 λͺ¨λΈμ ꡬνν κ²μ λλ€. μλμ YOLOv3 μν€ν μ²λ₯Ό μ¬ννκ³ λ λ§μ μ¬μ νμ΅λ λͺ¨λΈ μ§μ λ° λ μ¬μ΄ μ¬μ©μ μ μ μ΅μ κ³Ό κ°μ μΆκ° κΈ°λ₯μ μ 곡ν©λλ€.
-
YOLOv3u: YOLOv8 λͺ¨λΈμ μ¬μ©λ μ΅μ»€κ° μκ³ λ¬Όμ²΄κ° μλ λΆν ν€λλ₯Ό ν΅ν©ν YOLOv3-Ultralytics μ μ λ°μ΄νΈ λ²μ μ λλ€. YOLOv3uλ YOLOv3μ λμΌν λ°±λ³Έ λ° λ₯ μν€ν μ²λ₯Ό μ μ§νμ§λ§ YOLOv8 μμ μ λ°μ΄νΈλ κ°μ§ ν€λλ₯Ό μ¬μ©ν©λλ€.
μ£Όμ κΈ°λ₯
-
YOLOv3: μΈ κ°μ§ ν¬κΈ°μ νμ§ μ»€λμ νμ©νμ¬ μΈ κ°μ§ μ€μΌμΌμ μ¬μ©νμ¬ νμ§νλ κΈ°λ₯μ λμ νμ΅λλ€: 13x13, 26x26, 52x52. μ΄λ₯Ό ν΅ν΄ λ€μν ν¬κΈ°μ 물체μ λν κ°μ§ μ νλκ° ν¬κ² ν₯μλμμ΅λλ€. λν YOLOv3λ κ° κ²½κ³ μμμ λν λ€μ€ λ μ΄λΈ μμΈ‘κ³Ό λ λμ νΉμ§ μΆμΆκΈ° λ€νΈμν¬μ κ°μ κΈ°λ₯μ μΆκ°νμ΅λλ€.
-
YOLOv3-Ultralytics: Ultralytics YOLOv3μ ꡬνμ μλ λͺ¨λΈκ³Ό λμΌν μ±λ₯μ μ 곡νμ§λ§ λ λ§μ μ¬μ νλ ¨λ λͺ¨λΈ, μΆκ° νλ ¨ λ°©λ² λ° λ μ¬μ΄ μ¬μ©μ μ§μ μ΅μ μ λν μ§μμ΄ μΆκ°λμμ΅λλ€. λ°λΌμ μ€μ μ ν리μΌμ΄μ μ λμ± λ€μνκ³ μ¬μ©μ μΉνμ μΌλ‘ μ¬μ©ν μ μμ΅λλ€.
-
YOLOv3u: μ΄ μ λ°μ΄νΈλ λͺ¨λΈμλ YOLOv8 μ μ΅μ»€κ° νμ μλ λΆν ν€λκ° ν΅ν©λμ΄ μμ΅λλ€. μ΄ κ°μ§ ν€λ μ€κ³λ μ¬μ μ μλ μ΅μ»€ λ°μ€μ 물체 μ μκ° νμνμ§ μμ λ€μν ν¬κΈ°μ λͺ¨μμ 물체λ₯Ό κ°μ§νλ λͺ¨λΈμ λ₯λ ₯μ ν₯μμν¬ μ μμ΅λλ€. λ°λΌμ YOLOv3uλ 물체 κ°μ§ μμ μ λμ± κ°λ ₯νκ³ μ ννκ² μνν μ μμ΅λλ€.
μ§μλλ μμ λ° λͺ¨λ
YOLOv3, YOLOv3-Ultralytics, YOLOv3uλ₯Ό ν¬ν¨ν YOLOv3 μ리μ¦λ 물체 κ°μ§ μμ μ μν΄ νΉλ³ν μ€κ³λμμ΅λλ€. μ΄ λͺ¨λΈλ€μ λ€μν μ€μ μλ리μ€μμ μ νλμ μλ μ¬μ΄μ κ· νμ μ μ§νλ©΄μ ν¨κ³Όμ μΌλ‘ μλνλ κ²μΌλ‘ μ λͺ ν©λλ€. κ° λ³νμ κ³ μ ν κΈ°λ₯κ³Ό μ΅μ νλ₯Ό μ 곡νλ―λ‘ λ€μν μ ν리μΌμ΄μ μ μ ν©ν©λλ€.
μΈ κ°μ§ λͺ¨λΈ λͺ¨λ ν¬κ΄μ μΈ λͺ¨λ μΈνΈλ₯Ό μ§μνμ¬ λͺ¨λΈ λ°°ν¬ λ° κ°λ°μ λ€μν λ¨κ³μμ λ€μ©λλ‘ μ¬μ©ν μ μμ΅λλ€. μ΄λ¬ν λͺ¨λμλ μΆλ‘ , κ²μ¦, νλ ¨ λ° λ΄λ³΄λ΄κΈ°κ° ν¬ν¨λμ΄ μμ΄ μ¬μ©μμκ² ν¨κ³Όμ μΈ κ°μ²΄ νμ§λ₯Ό μν μλ²½ν ν΄ν·μ μ 곡ν©λλ€.
λͺ¨λΈ μ ν | μ§μλλ μμ | μΆλ‘ | μ ν¨μ± κ²μ¬ | κ΅μ‘ | λ΄λ³΄λ΄κΈ° |
---|---|---|---|---|---|
YOLOv3 | 물체 κ°μ§ | β | β | β | β |
YOLOv3-Ultralytics | 물체 κ°μ§ | β | β | β | β |
YOLOv3u | 물체 κ°μ§ | β | β | β | β |
μ΄ νλ κ° YOLOv3 λ³νμ κΈ°λ₯μ νλμ λ³Ό μ μμΌλ©°, κ°μ²΄ κ°μ§ μν¬νλ‘μ°μ λ€μν μμ λ° μ΄μ λͺ¨λμ λν λ€μ©λμ±κ³Ό μ ν©μ±μ κ°μ‘°ν©λλ€.
μ¬μ© μ
μ΄ μλ κ°λ¨ν YOLOv3 νλ ¨ λ° μΆλ‘ μμ λ₯Ό μ 곡ν©λλ€. μ΄λ¬ν λͺ¨λ λ° κΈ°ν λͺ¨λμ λν μ 체 λ¬Έμλ μμΈ‘, νμ΅, Val λ° λ΄λ³΄λ΄κΈ° λ¬Έμ νμ΄μ§λ₯Ό μ°Έμ‘°νμΈμ.
μ
PyTorch μ¬μ κ΅μ‘ *.pt
λͺ¨λΈ λ° κ΅¬μ± *.yaml
νμΌμ YOLO()
ν΄λμ€λ₯Ό μ¬μ©νμ¬ python μμ λͺ¨λΈ μΈμ€ν΄μ€λ₯Ό μμ±ν©λλ€:
from ultralytics import YOLO
# Load a COCO-pretrained YOLOv3n model
model = YOLO('yolov3n.pt')
# Display model information (optional)
model.info()
# Train the model on the COCO8 example dataset for 100 epochs
results = model.train(data='coco8.yaml', epochs=100, imgsz=640)
# Run inference with the YOLOv3n model on the 'bus.jpg' image
results = model('path/to/bus.jpg')
CLI λͺ λ Ήμ μ¬μ©νμ¬ λͺ¨λΈμ μ§μ μ€νν μ μμ΅λλ€:
μΈμ© λ° κ°μ¬
μ°κ΅¬μ YOLOv3λ₯Ό μ¬μ©νλ κ²½μ° μλ³Έ YOLO λ Όλ¬Έκ³Ό Ultralytics YOLOv3 리ν¬μ§ν 리λ₯Ό μΈμ©ν΄ μ£ΌμΈμ:
μ€λ¦¬μ§λ YOLOv3λ₯Ό κ°λ°ν΄ μ£Όμ Joseph Redmonκ³Ό Ali Farhadiμκ² κ°μ¬λ립λλ€.