Ultralytics YOLOv8 모드

소개

Ultralytics YOLOv8 는 단순한 객체 감지 모델이 아니라 데이터 수집과 모델 훈련부터 검증, 배포, 실제 추적에 이르기까지 머신 러닝 모델의 전체 수명 주기를 포괄하도록 설계된 다용도 프레임워크입니다. 각 모드는 특정 목적을 위해 사용되며 다양한 작업과 사용 사례에 필요한 유연성과 효율성을 제공하도록 설계되었습니다.

Watch: Ultralytics 모드 튜토리얼: 훈련, 검증, 예측, 내보내기 및 벤치마크.

모드 살펴보기

모델을 최대한 활용하려면 Ultralytics YOLOv8 에서 지원하는 다양한 모드를 이해하는 것이 중요합니다:

• 훈련 모드: 사용자 지정 또는 미리 로드된 데이터 세트에서 모델을 미세 조정합니다.
• Val 모드: 모델 성능을 검증하기 위한 학습 후 체크포인트입니다.
• 예측 모드: 실제 데이터에서 모델의 예측력을 발휘하세요.
• 내보내기 모드: 다양한 형식으로 모델을 배포할 수 있도록 준비합니다.
• 추적 모드: 객체 감지 모델을 실시간 추적 애플리케이션으로 확장할 수 있습니다.
• 벤치마크 모드: 다양한 배포 환경에서 모델의 속도와 정확성을 분석합니다.

이 종합 가이드는 각 모드에 대한 개요와 실용적인 인사이트를 제공하여 YOLOv8 의 잠재력을 최대한 활용할 수 있도록 돕는 것을 목표로 합니다.

기차

훈련 모드는 사용자 지정 데이터 세트에서 YOLOv8 모델을 훈련하는 데 사용됩니다. 이 모드에서는 지정된 데이터 세트와 하이퍼파라미터를 사용하여 모델을 학습시킵니다. 훈련 과정에는 이미지에서 객체의 클래스와 위치를 정확하게 예측할 수 있도록 모델의 매개변수를 최적화하는 작업이 포함됩니다.

열차 예시

Val

Val 모드는 YOLOv8 모델을 학습한 후 검증하는 데 사용됩니다. 이 모드에서는 유효성 검사 세트에서 모델을 평가하여 정확도와 일반화 성능을 측정합니다. 이 모드는 모델의 하이퍼파라미터를 조정하여 성능을 개선하는 데 사용할 수 있습니다.

Val 예제

예측

예측 모드는 새로운 이미지 또는 동영상에 대해 학습된 YOLOv8 모델을 사용하여 예측하는 데 사용됩니다. 이 모드에서는 체크포인트 파일에서 모델이 로드되며, 사용자는 추론을 수행할 이미지 또는 동영상을 제공할 수 있습니다. 모델은 입력된 이미지 또는 동영상에서 객체의 클래스 및 위치를 예측합니다.

예측 예제

내보내기

내보내기 모드는 YOLOv8 모델을 배포에 사용할 수 있는 형식으로 내보내는 데 사용됩니다. 이 모드에서는 모델이 다른 소프트웨어 애플리케이션이나 하드웨어 장치에서 사용할 수 있는 형식으로 변환됩니다. 이 모드는 모델을 프로덕션 환경에 배포할 때 유용합니다.

내보내기 예제

트랙

추적 모드는 YOLOv8 모델을 사용하여 실시간으로 개체를 추적하는 데 사용됩니다. 이 모드에서는 체크포인트 파일에서 모델을 로드하고 사용자가 실시간 비디오 스트림을 제공하여 실시간 객체 추적을 수행할 수 있습니다. 이 모드는 감시 시스템이나 자율 주행 차량과 같은 애플리케이션에 유용합니다.

트랙 예시

벤치마크

벤치마크 모드는 YOLOv8 에 대한 다양한 내보내기 형식의 속도와 정확도를 프로파일링하는 데 사용됩니다. 벤치마크는 내보낸 형식의 크기, 내보낸 형식에 대한 정보를 제공합니다. mAP50-95 메트릭(객체 감지, 세분화 및 포즈용) 또는 accuracy_top5 메트릭(분류용)과 ONNX, OpenVINO, TensorRT 등과 같은 다양한 내보내기 형식에서 이미지당 밀리초 단위의 추론 시간을 확인할 수 있습니다. 이 정보는 사용자가 속도와 정확성에 대한 요구 사항에 따라 특정 사용 사례에 맞는 최적의 내보내기 형식을 선택하는 데 도움이 될 수 있습니다.

벤치마크 예시

댓글