Ultralytics YOLO를 사용한 인스턴스 세그멘테이션#

Instance segmentation은 객체 검출보다 한 단계 나아간 기술로, 이미지 속 개별 객체를 식별하고 나머지 배경으로부터 분리(세분화)하는 작업을 포함합니다.

인스턴스 세그멘테이션 모델의 출력값은 이미지 내 각 객체의 윤곽을 나타내는 마스크나 등고선 세트이며, 각 객체에 대한 클래스 라벨과 신뢰도 점수가 함께 제공됩니다. 인스턴스 세그멘테이션은 이미지 내 객체의 위치뿐만 아니라 정확한 형태를 파악해야 할 때 유용합니다.

Models#

YOLO26 사전 학습된 Segment 모델은 여기에 표시되어 있습니다. Detect, Segment 및 Pose 모델은 COCO 데이터셋으로 사전 학습되며, Semantic 모델은 Cityscapes로, Classify 모델은 ImageNet 데이터셋으로 사전 학습됩니다.

Models는 첫 사용 시 최신 Ultralytics release에서 자동으로 다운로드됩니다.

• mAP^val 값은 COCO val2017 데이터셋에서 단일 모델, 단일 스케일로 측정된 값입니다.
  yolo val segment data=coco.yaml device=0을 통해 재현할 수 있습니다.
• Speed는 Amazon EC2 P4d 인스턴스를 사용하여 COCO val 이미지에서 평균을 낸 것입니다.
  재현하려면 yolo val segment data=coco.yaml batch=1 device=0|cpu을 사용하세요.
• Params 및 FLOPs 값은 Conv 및 BatchNorm 레이어를 병합하고 end2end 모델의 경우 보조 one-to-many 탐지 헤드를 제거하는 model.fuse() 이후의 융합 모델 기준입니다. 사전 학습된 체크포인트는 전체 학습 아키텍처를 유지하므로 더 높은 수치를 보일 수 있습니다.

학습(Train)#

이미지 크기 640으로 100 epochs 동안 COCO8-seg 데이터셋에서 YOLO26n-seg를 학습합니다. 사용 가능한 전체 인자 목록은 Configuration 페이지를 참조하세요.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-seg.yaml")  # build a new model from YAML
model = YOLO("yolo26n-seg.pt")  # load a pretrained model (recommended for training)
model = YOLO("yolo26n-seg.yaml").load("yolo26n-seg.pt")  # build from YAML and transfer weights

# Train the model
results = model.train(data="coco8-seg.yaml", epochs=100, imgsz=640)

Train 페이지에서 전체 train 모드 상세 정보를 확인하세요. 세분화 모델은 Ultralytics Platform cloud training을 사용하여 학습할 수도 있습니다.

데이터셋 형식#

YOLO 세분화 데이터셋 형식에 대한 자세한 내용은 Dataset Guide에서 확인할 수 있습니다. COCO 등 다른 형식의 기존 데이터셋을 YOLO 형식으로 변환하려면 Ultralytics의 JSON2YOLO 도구를 사용하세요. 또한 다각형 도구와 SAM 기반 스마트 어노테이션을 사용하여 Ultralytics Platform annotation으로 세분화 마스크를 생성할 수 있습니다.

검증(Val)#

COCO8-seg 데이터셋에서 학습된 YOLO26n-seg 모델 accuracy를 검증합니다. model이 학습 data와 인자를 모델 속성으로 유지하므로 별도의 인자가 필요하지 않습니다.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-seg.pt")  # load an official model
model = YOLO("path/to/best.pt")  # load a custom model

# Validate the model
metrics = model.val()  # 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 containing mAP50-95(B) for each category
metrics.box.image_metrics  # per-image metrics dictionary for det with precision, recall, F1, TP, FP, and FN
metrics.seg.map  # map50-95(M)
metrics.seg.map50  # map50(M)
metrics.seg.map75  # map75(M)
metrics.seg.maps  # a list containing mAP50-95(M) for each category
metrics.seg.image_metrics  # per-image metrics dictionary for seg with precision, recall, F1, TP, FP, and FN

추론(Predict)#

학습된 YOLO26n-seg 모델을 사용하여 이미지에 대한 예측을 실행하십시오.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-seg.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

# Access the results
for result in results:
    xy = result.masks.xy  # mask polygons in pixel coordinates
    xyn = result.masks.xyn  # normalized mask polygons
    masks = result.masks.data  # binary masks, shape (N,H,W), dtype torch.uint8

전체 predict 모드 세부 정보는 Predict 페이지에서 확인하세요.

결과 출력#

YOLO 인스턴스 세분화는 이미지당 하나의 Results 객체를 반환합니다. 각 결과는 객체 수준의 예측을 저장하며, 감지된 각 인스턴스는 고유한 이진 마스크, 클래스, 신뢰도 및 상자를 가집니다.

모든 작업에 걸친 작업별 Results 필드는 Predict Results by Task 섹션을 참조하십시오.

시맨틱 세그멘테이션과의 차이점#

인스턴스 세분화는 객체 수준의 세분화입니다. 두 대의 자동차는 두 개의 마스크, 두 개의 상자, 두 개의 신뢰도 점수를 생성합니다. Semantic segmentation은 픽셀 수준의 분류입니다. 동일한 자동차들이 객체별 상자, 신뢰도 또는 기본 다각형 목록 없이, 하나의 이미지 크기 클래스 맵 안에서 동일한 클래스 ID를 가진 픽셀들이 됩니다.

내보내기(Export)#

YOLO26n-seg 모델을 ONNX, CoreML 등 다른 형식으로 내보내십시오.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-seg.pt")  # load an official model
model = YOLO("path/to/best.pt")  # load a custom-trained model

# Export the model
model.export(format="onnx")

사용 가능한 YOLO26-seg 내보내기 형식은 아래 표에 있습니다. format 인자(예: format='onnx' 또는 format='engine')를 사용하여 원하는 형식으로 내보낼 수 있습니다. 내보낸 모델을 대상으로 직접 예측이나 검증을 수행할 수도 있습니다(예: yolo predict model=yolo26n-seg.onnx). 내보내기가 완료된 후 모델에 대한 사용 예시가 표시됩니다.

전체 export 세부 정보는 Export 페이지에서 확인하세요.

FAQ#