μ½˜ν…μΈ λ‘œ κ±΄λ„ˆλ›°κΈ°

μ˜€λ¦¬μ—”ν‹°λ“œ λ°”μš΄λ”© λ°•μŠ€ 였브젝트 감지

λ°©ν–₯μ„± 물체 κ°μ§€λŠ” 물체 감지보닀 ν•œ 단계 더 λ‚˜μ•„κ°€ μ΄λ―Έμ§€μ—μ„œ 물체λ₯Ό 더 μ •ν™•ν•˜κ²Œ 찾을 수 μžˆλ„λ‘ μΆ”κ°€ 각도λ₯Ό λ„μž…ν•©λ‹ˆλ‹€.

λ°©ν–₯μ„± 객체 κ°μ§€κΈ°μ˜ 좜λ ₯은 μ΄λ―Έμ§€μ—μ„œ 객체λ₯Ό μ •ν™•νžˆ λ‘˜λŸ¬μ‹ΈλŠ” νšŒμ „λœ 경계 μƒμž 집합과 각 μƒμžμ— λŒ€ν•œ 클래슀 λ ˆμ΄λΈ” 및 신뒰도 점수둜 ν‘œμ‹œλ©λ‹ˆλ‹€. 객체 κ°μ§€λŠ” μž₯λ©΄μ—μ„œ 관심 μžˆλŠ” 객체λ₯Ό 식별해야 ν•˜μ§€λ§Œ 객체의 μ •ν™•ν•œ μœ„μΉ˜λ‚˜ λͺ¨μ–‘을 μ •ν™•νžˆ μ•Œ ν•„μš”λŠ” μ—†λŠ” κ²½μš°μ— μ ν•©ν•œ μ„ νƒμž…λ‹ˆλ‹€.

팁

YOLOv8 OBB λͺ¨λΈμ€ -obb 접미사, 즉 yolov8n-obb.pt 에 λŒ€ν•΄ 사전 κ΅μœ‘μ„ λ°›μ•˜μœΌλ©° DOTAv1.


Watch: Ultralytics YOLOv8 μ˜€λ¦¬μ—”ν‹°λ“œ λ°”μš΄λ”© λ°•μŠ€(YOLOv8-OBB)λ₯Ό μ‚¬μš©ν•œ 객체 감지

Watch: Ultralytics HUBλ₯Ό μ‚¬μš©ν•˜μ—¬ YOLOv8-OBB둜 객체 감지

μ‹œκ°μ  μƒ˜ν”Œ

OBBλ₯Ό μ‚¬μš©ν•œ μ„ λ°• 감지 OBBλ₯Ό μ‚¬μš©ν•œ μ°¨λŸ‰ 감지
OBBλ₯Ό μ‚¬μš©ν•œ μ„ λ°• 감지 OBBλ₯Ό μ‚¬μš©ν•œ μ°¨λŸ‰ 감지

λͺ¨λΈ

YOLOv8 DOTAv1 데이터 μ„ΈνŠΈμ—μ„œ 사전 ν•™μŠ΅λœ OBB λͺ¨λΈμ΄ 여기에 λ‚˜μ™€ μžˆμŠ΅λ‹ˆλ‹€.

λͺ¨λΈμ€ 처음 μ‚¬μš©ν•  λ•Œ μ΅œμ‹  Ultralytics λ¦΄λ¦¬μŠ€μ—μ„œ μžλ™μœΌλ‘œ λ‹€μš΄λ‘œλ“œλ©λ‹ˆλ‹€.

λͺ¨λΈ 크기
(ν”½μ…€)
mAPtest
50
속도
CPU ONNX
(ms)
속도
A100 TensorRT
(ms)
λ§€κ°œλ³€μˆ˜
(M)
FLOPs
(B)
YOLOv8n-obb 1024 78.0 204.77 3.57 3.1 23.3
YOLOv8s-obb 1024 79.5 424.88 4.07 11.4 76.3
YOLOv8m-obb 1024 80.5 763.48 7.61 26.4 208.6
YOLOv8l-obb 1024 80.7 1278.42 11.83 44.5 433.8
YOLOv8x-obb 1024 81.36 1759.10 13.23 69.5 676.7
  • mAPtest 값은 단일 λͺ¨λΈ λ©€ν‹°μŠ€μΌ€μΌμ—μ„œ DOTAv1 ν…ŒμŠ€νŠΈ 데이터 μ„ΈνŠΈ.
    볡제 λŒ€μƒ yolo val obb data=DOTAv1.yaml device=0 split=test 을 ν΄λ¦­ν•˜κ³  λ³‘ν•©λœ κ²°κ³Όλ₯Ό λ‹€μŒ μ£Όμ†Œλ‘œ μ œμΆœν•©λ‹ˆλ‹€. DOTA 평가.
  • 속도 λ₯Ό μ‚¬μš©ν•˜μ—¬ DOTAv1 val 이미지에 λŒ€ν•œ 평균값을 Amazon EC2 P4d μΈμŠ€ν„΄μŠ€.
    볡제 λŒ€μƒ yolo val obb data=DOTAv1.yaml batch=1 device=0|cpu

κΈ°μ°¨

κΈ°μ°¨ YOLOv8n-obbμ—μ„œ dota8.yaml 데이터셋을 이미지 크기 640으둜 100개의 에포크에 λŒ€ν•΄ μ‚¬μš©ν•©λ‹ˆλ‹€. μ‚¬μš© κ°€λŠ₯ν•œ 인수의 전체 λͺ©λ‘μ€ ꡬ성 νŽ˜μ΄μ§€λ‘œ μ΄λ™ν•©λ‹ˆλ‹€.

예

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n-obb.yaml")  # build a new model from YAML
model = YOLO("yolov8n-obb.pt")  # load a pretrained model (recommended for training)
model = YOLO("yolov8n-obb.yaml").load("yolov8n.pt")  # build from YAML and transfer weights

# Train the model
results = model.train(data="dota8.yaml", epochs=100, imgsz=640)
# Build a new model from YAML and start training from scratch
yolo obb train data=dota8.yaml model=yolov8n-obb.yaml epochs=100 imgsz=640

# Start training from a pretrained *.pt model
yolo obb train data=dota8.yaml model=yolov8n-obb.pt epochs=100 imgsz=640

# Build a new model from YAML, transfer pretrained weights to it and start training
yolo obb train data=dota8.yaml model=yolov8n-obb.yaml pretrained=yolov8n-obb.pt epochs=100 imgsz=640

데이터 집합 ν˜•μ‹

OBB 데이터셋 ν˜•μ‹μ€ 데이터셋 κ°€μ΄λ“œμ—μ„œ μžμ„Ένžˆ 확인할 수 μžˆμŠ΅λ‹ˆλ‹€.

Val

DOTA8 데이터 μ„ΈνŠΈμ—μ„œ ν•™μŠ΅λœ YOLOv8n-obb λͺ¨λΈ 정확도λ₯Ό κ²€μ¦ν•©λ‹ˆλ‹€. 인수λ₯Ό 전달할 ν•„μš”κ°€ μ—†μŠ΅λ‹ˆλ‹€. model κ΅μœ‘μ„ μœ μ§€ν•©λ‹ˆλ‹€. data 및 인수λ₯Ό λͺ¨λΈ μ†μ„±μœΌλ‘œ μ‚¬μš©ν•©λ‹ˆλ‹€.

예

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n-obb.pt")  # load an official model
model = YOLO("path/to/best.pt")  # load a custom model

# Validate the model
metrics = model.val(data="dota8.yaml")  # no arguments needed, dataset and settings remembered
metrics.box.map  # map50-95(B)
metrics.box.map50  # map50(B)
metrics.box.map75  # map75(B)
metrics.box.maps  # a list contains map50-95(B) of each category
yolo obb val model=yolov8n-obb.pt data=dota8.yaml  # val official model
yolo obb val model=path/to/best.pt data=path/to/data.yaml  # val custom model

예츑

ν•™μŠ΅λœ YOLOv8n-obb λͺ¨λΈμ„ μ‚¬μš©ν•˜μ—¬ 이미지에 λŒ€ν•œ μ˜ˆμΈ‘μ„ μ‹€ν–‰ν•©λ‹ˆλ‹€.

예

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n-obb.pt")  # load an official model
model = YOLO("path/to/best.pt")  # load a custom model

# Predict with the model
results = model("https://ultralytics.com/images/bus.jpg")  # predict on an image
yolo obb predict model=yolov8n-obb.pt source='https://ultralytics.com/images/bus.jpg'  # predict with official model
yolo obb predict model=path/to/best.pt source='https://ultralytics.com/images/bus.jpg'  # predict with custom model

전체 보기 predict λͺ¨λ“œ μ„ΈλΆ€ μ •λ³΄μ—μ„œ 예츑 νŽ˜μ΄μ§€λ‘œ μ΄λ™ν•©λ‹ˆλ‹€.

내보내기

YOLOv8n-obb λͺ¨λΈμ„ ONNX, CoreML λ“±κ³Ό 같은 λ‹€λ₯Έ ν˜•μ‹μœΌλ‘œ λ‚΄λ³΄λƒ…λ‹ˆλ‹€.

예

from ultralytics import YOLO

# Load a model
model = YOLO("yolov8n-obb.pt")  # load an official model
model = YOLO("path/to/best.pt")  # load a custom trained model

# Export the model
model.export(format="onnx")
yolo export model=yolov8n-obb.pt format=onnx  # export official model
yolo export model=path/to/best.pt format=onnx  # export custom trained model

μ‚¬μš© κ°€λŠ₯ν•œ YOLOv8-obb 내보내기 ν˜•μ‹μ€ μ•„λž˜ ν‘œμ— λ‚˜μ™€ μžˆμŠ΅λ‹ˆλ‹€. λ‹€μŒμ„ μ‚¬μš©ν•˜μ—¬ λͺ¨λ“  ν˜•μ‹μœΌλ‘œ 내보낼 수 μžˆμŠ΅λ‹ˆλ‹€. format 인수, 즉 format='onnx' λ˜λŠ” format='engine'. 내보낸 λͺ¨λΈμ—μ„œ 직접 μ˜ˆμΈ‘ν•˜κ±°λ‚˜ 검증할 수 μžˆμŠ΅λ‹ˆλ‹€. yolo predict model=yolov8n-obb.onnx. 내보내기가 μ™„λ£Œλœ ν›„ λͺ¨λΈμ— λŒ€ν•œ μ‚¬μš© μ˜ˆκ°€ ν‘œμ‹œλ©λ‹ˆλ‹€.

ν˜•μ‹ format 인수 λͺ¨λΈ 메타데이터 인수
PyTorch - yolov8n-obb.pt βœ… -
TorchScript torchscript yolov8n-obb.torchscript βœ… imgsz, optimize, batch
ONNX onnx yolov8n-obb.onnx βœ… imgsz, half, dynamic, simplify, opset, batch
OpenVINO openvino yolov8n-obb_openvino_model/ βœ… imgsz, half, int8, batch
TensorRT engine yolov8n-obb.engine βœ… imgsz, half, dynamic, simplify, workspace, int8, batch
CoreML coreml yolov8n-obb.mlpackage βœ… imgsz, half, int8, nms, batch
TF SavedModel saved_model yolov8n-obb_saved_model/ βœ… imgsz, keras, int8, batch
TF GraphDef pb yolov8n-obb.pb ❌ imgsz, batch
TF Lite tflite yolov8n-obb.tflite βœ… imgsz, half, int8, batch
TF Edge TPU edgetpu yolov8n-obb_edgetpu.tflite βœ… imgsz
TF.js tfjs yolov8n-obb_web_model/ βœ… imgsz, half, int8, batch
PaddlePaddle paddle yolov8n-obb_paddle_model/ βœ… imgsz, batch
NCNN ncnn yolov8n-obb_ncnn_model/ βœ… imgsz, half, batch

전체 보기 export μ„ΈλΆ€ μ •λ³΄μ—μ„œ 내보내기 νŽ˜μ΄μ§€λ‘œ μ΄λ™ν•©λ‹ˆλ‹€.



Created 2024-01-05, Updated 2024-06-10
Authors: glenn-jocher (20), Burhan-Q (4), Laughing-q (3), AyushExel (1)

λŒ“κΈ€