콘텐츠로 이동

인스턴스 세그멘테이션

인스턴스 세그멘테이션 예시

인스턴스 세그멘테이션은 객체 탐지를 한 단계 더 발전시켜 이미지에서 각각의 개별 객체를 식별하고 이미지의 나머지 부분에서 분리하는 기술입니다.

인스턴스 세그멘테이션 모델의 출력은 이미지의 각 객체를 윤곽하는 마스크나 윤곽 선뿐만 아니라 각 객체에 대한 클래스 레이블과 신뢰도 점수로 구성됩니다. 객체들이 이미지 안에서 어디에 있는지 뿐만 아니라 그들의 정확한 형태가 무엇인지 알아야 할 때 인스턴스 세그멘테이션이 유용합니다.



시청하기: Python에서 사전 훈련된 Ultralytics YOLOv8 모델로 세그멘테이션 실행.

팁

YOLOv8 Segment 모델은 '-seg' 접미사를 사용하며 즉, yolov8n-seg.pt와 같이 COCO 데이터셋에 사전 훈련되어 있습니다.

모델

여기에는 YOLOv8 사전 훈련 세그먼트 모델들이 나열되어 있습니다. Detect, Segment, Pose 모델들은 COCO 데이터셋에 사전 훈련되어 있으며, Classify 모델들은 ImageNet 데이터셋에 사전 훈련되어 있습니다.

모델은 첫 사용 시 Ultralytics의 최신 릴리스에서 자동으로 다운로드 됩니다.

모델 크기
(픽셀)		 mAP박스
50-95		 mAP마스크
50-95		 속도
CPU ONNX
(밀리초)		 속도
A100 TensorRT
(밀리초)		 매개변수
(M)		 FLOPs
(B)
YOLOv8n-seg 640 36.7 30.5 96.1 1.21 3.4 12.6
YOLOv8s-seg 640 44.6 36.8 155.7 1.47 11.8 42.6
YOLOv8m-seg 640 49.9 40.8 317.0 2.18 27.3 110.2
YOLOv8l-seg 640 52.3 42.6 572.4 2.79 46.0 220.5
YOLOv8x-seg 640 53.4 43.4 712.1 4.02 71.8 344.1
  • mAPval 값들은 COCO val2017 데이터셋에서 단일 모델 단일 스케일로 얻은 값입니다.
    복제는 yolo val segment data=coco.yaml device=0 명령어로 실행할 수 있습니다.
  • 속도는 Amazon EC2 P4d 인스턴스를 이용하여 COCO 검증 이미지로 평균 내었습니다.
    복제는 yolo val segment data=coco128-seg.yaml batch=1 device=0|cpu 명령어로 실행할 수 있습니다.

훈련

COCO128-seg 데이터셋에서 이미지 크기 640으로 YOLOv8n-seg을 100 에포크 동안 훈련합니다. 가능한 모든 인자 목록은 설정 페이지에서 확인할 수 있습니다.

예제

from ultralytics import YOLO

# 모델을 불러옵니다
model = YOLO('yolov8n-seg.yaml')  # YAML에서 새로운 모델을 구성
model = YOLO('yolov8n-seg.pt')    # 사전 훈련된 모델을 불러옴 (훈련에 추천)
model = YOLO('yolov8n-seg.yaml').load('yolov8n.pt') # YAML에서 구성하고 가중치를 전달

# 모델을 훈련시킵니다
results = model.train(data='coco128-seg.yaml', epochs=100, imgsz=640)

# YAML에서 새로운 모델을 구성하고 처음부터 훈련을 시작합니다
yolo segment train data=coco128-seg.yaml model=yolov8n-seg.yaml epochs=100 imgsz=640

# 사전 훈련된 *.pt 모델로 부터 훈련을 시작합니다
yolo segment train data=coco128-seg.yaml model=yolov8n-seg.pt epochs=100 imgsz=640

# YAML에서 새로운 모델을 구성하고 사전 훈련된 가중치를 전달한 뒤 훈련을 시작합니다
yolo segment train data=coco128-seg.yaml model=yolov8n-seg.yaml pretrained=yolov8n-seg.pt epochs=100 imgsz=640

데이터셋 형식

YOLO 세그멘테이션 데이터셋 형식은 데이터셋 가이드에서 자세히 확인할 수 있습니다. 기존 데이터셋 (COCO 등)을 YOLO 형식으로 변환하려면 Ultralytics의 JSON2YOLO 도구를 이용하세요.

검증

COCO128-seg 데이터셋에서 훈련된 YOLOv8n-seg 모델의 정확도를 검증합니다. 모델은 훈련할 때의 data와 인자를 모델 속성으로 기억하기 때문에 별도의 인자를 전달할 필요가 없습니다.

예제

from ultralytics import YOLO

# 모델을 불러옵니다
model = YOLO('yolov8n-seg.pt')    # 공식 모델을 불러옴
model = YOLO('path/to/best.pt')    # 커스텀 모델을 불러옴

# 모델을 검증합니다
metrics = model.val()  # 데이터셋과 설정이 기억되어 있어 인자가 필요 없습니다
metrics.box.map    # map50-95(B)
metrics.box.map50  # map50(B)
metrics.box.map75  # map75(B)
metrics.box.maps   # 각 카테고리별 map50-95(B) 리스트
metrics.seg.map    # map50-95(M)
metrics.seg.map50  # map50(M)
metrics.seg.map75  # map75(M)
metrics.seg.maps   # 각 카테고리별 map50-95(M) 리스트

yolo segment val model=yolov8n-seg.pt  # 공식 모델로 검증
yolo segment val model=path/to/best.pt  # 커스텀 모델로 검증

예측

훈련된 YOLOv8n-seg 모델을 사용하여 이미지에 대한 예측을 실행합니다.

예제

from ultralytics import YOLO

# 모델을 불러옵니다
model = YOLO('yolov8n-seg.pt')    # 공식 모델을 불러옴
model = YOLO('path/to/best.pt')    # 커스텀 모델을 불러옴

# 모델로 예측을 진행합니다
results = model('https://ultralytics.com/images/bus.jpg')  # 이미지에 대한 예측

yolo segment predict model=yolov8n-seg.pt source='https://ultralytics.com/images/bus.jpg'  # 공식 모델로 예측 실행
yolo segment predict model=path/to/best.pt source='https://ultralytics.com/images/bus.jpg'  # 커스텀 모델로 예측 실행

predict 모드의 전체 세부 사항은 예측 페이지에서 확인할 수 있습니다.

수출

ONNX, CoreML 등과 같은 다른 형식으로 YOLOv8n-seg 모델을 수출합니다.

예제

from ultralytics import YOLO

# 모델을 불러옵니다
model = YOLO('yolov8n-seg.pt')    # 공식 모델을 불러옴
model = YOLO('path/to/best.pt')    # 커스텀 훈련 모델을 불러옴

# 모델을 수출합니다
model.export(format='onnx')

yolo export model=yolov8n-seg.pt format=onnx  # 공식 모델을 수출합니다
yolo export model=path/to/best.pt format=onnx  # 커스텀 훈련 모델을 수출합니다

아래 표에 나열된 것은 가능한 YOLOv8-seg 수출 형식입니다. 수출 완료 후 모델 사용 예는 모델을 직접 예측하거나 검증할 때 사용할 수 있습니다.

형식 format 인자 모델 메타데이터 인자
PyTorch - yolov8n-seg.pt ✅ -
TorchScript torchscript yolov8n-seg.torchscript ✅ imgsz, optimize
ONNX onnx yolov8n-seg.onnx ✅ imgsz, half, dynamic, simplify, opset
OpenVINO openvino yolov8n-seg_openvino_model/ ✅ imgsz, half
TensorRT engine yolov8n-seg.engine ✅ imgsz, half, dynamic, simplify, workspace
CoreML coreml yolov8n-seg.mlpackage ✅ imgsz, half, int8, nms
TF SavedModel saved_model yolov8n-seg_saved_model/ ✅ imgsz, keras
TF GraphDef pb yolov8n-seg.pb ❌ imgsz
TF Lite tflite yolov8n-seg.tflite ✅ imgsz, half, int8
TF Edge TPU edgetpu yolov8n-seg_edgetpu.tflite ✅ imgsz
TF.js tfjs yolov8n-seg_web_model/ ✅ imgsz
PaddlePaddle paddle yolov8n-seg_paddle_model/ ✅ imgsz
ncnn ncnn yolov8n-seg_ncnn_model/ ✅ imgsz, half

export의 전체 세부 사항은 수출 페이지에서 확인할 수 있습니다.


Created 2023-11-13, Updated 2023-11-18
Authors: glenn-jocher (4)

댓글