본문 바로가기

AI

(60)

[ Yolo ] Yolov8 예제 실행 해보기 NVIDIA L4T ML 컨테이너(l4t-ml)는 Jetson 보드용으로 제공되는 딥러닝 프레임워크와 도구가 포함된 Docker 이미지입니다. YOLOv8 모델을 이 컨테이너에서 실행하려면 PyTorch, OpenCV, numpy, ultralytics 라이브러리 등이 필요합니다.다음은 YOLOv8을 L4T ML Docker 컨테이너에서 간단하게 실행하는 방법입니다:✅ 1. 사전 준비Jetson 보드에서 다음 확인:JetPack 5 이상 설치됨 (jetson_release 명령어로 확인)nvidia-docker2 설치 완료이미지: nvcr.io/nvidia/l4t-ml:r-py3 (예: r36.2.0-py3)sudo docker run -it --rm --runtime nvidia \ --network..

[ Yolo ] Yolov5 예제 실행 해보기 Jetson Orin Nano 기반에서 사용하는 NVIDIA의 l4t-ml Docker 이미지(예: nvcr.io/nvidia/l4t-ml:r36.2.0-py3)에서 YOLOv5를 아주 간단하게 실행하는 최소 절차입니다. 🔧 1. Docker 이미지 실행sudo docker run -it --runtime nvidia --network host \ --name yolov5 \ nvcr.io/nvidia/l4t-ml:r36.2.0-py3💡 --privileged 옵션은 필요 시 추가 (--privileged) : thread 관련 error이 생기는 경우📦 2. YOLOv5 설치 (컨테이너 안)l4t-ml에는 이미 설치된 python 패키지가 있습니다. yolov5와 버전이 안 맞을 수 있습니다...

[ Yolo ] TensorFlow Lite (TFLite) vs. TensorRT 비교하기 TFLite(TensorFlow Lite)와 TensorRT는 둘 다 딥러닝 모델을 추론(inference)하기 위한 최적화 프레임워크이지만, 그 사용 목적, 지원 플랫폼, 성능 특화 방향이 다릅니다.1. 기본 개요 비교항목 TensorFlow Lite (TFLite) TensorRT소속 프레임워크TensorFlowNVIDIA CUDA Ecosystem주 사용 플랫폼Android, iOS, 모바일/IoT/Edge CPUNVIDIA GPU (Jetson, RTX, A100 등)최적화 대상경량화 / 모바일 추론 최적화고성능 GPU 기반 추론 최적화입력 포맷.tflite (TFLite FlatBuffer).onnx, .uff, 또는 직접 모델 파싱 가능출력 포맷.tflite.engine (TensorRT op..

[ Yolo ] 버전별 성능 비교하기 1. YOLO 버전별 성능/속도 비교 표📌 주의: 아래 수치는 논문/공식 repo/벤치마크 기준이며, GPU 환경·입력 해상도·데이터셋에 따라 달라질 수 있습니다. (일반적으로 COCO 640x640 기준)버전 Backbone mAP@0.5 FPS (V100 기준) 파라미터 수 특징YOLOv1 (2016)Darknet-19~63%~45 FPS7M최초, 빠르지만 작은 객체 약함YOLOv2 (2017)Darknet-19 + Anchor~78%~40 FPS50MAnchor 도입, YOLO9000YOLOv3 (2018)Darknet-53~80%~30 FPS62MFPN 구조, 소형 객체 개선YOLOv4 (2020)CSPDarknet53~89%~62 FPS64MMosaic, CIoU, DropBlockYOLOv5..

[ Yolo ] PyTorch vs TensorFlow 비교 YOLO(You Only Look Once)는 객체 탐지(Object Detection) 분야에서 가장 널리 쓰이는 모델 중 하나이고, Torch(PyTorch)·TensorFlow 같은 딥러닝 프레임워크 위에서 구현·훈련·추론됩니다.아래는 크게 YOLO 버전별 특징과 PyTorch vs TensorFlow 버전 입니다.1. YOLO 버전별 발전 과정🔹 YOLOv1 (2016, Joseph Redmon)최초의 단일 단계(one-stage) 객체 탐지 모델.이미지를 SxS grid로 나눠 bounding box와 class를 예측.속도는 매우 빠르지만 작은 객체 탐지는 약했음.🔹 YOLOv2 (YOLO9000, 2017)Anchor box 도입 (Faster R-CNN 방식 차용).Batch norma..

[ NVIDIA ] Holoscan과 DeepStream의 차이는? Holoscan과 DeepStream은 둘 다 NVIDIA에서 개발한 AI 비전 파이프라인 프레임워크이지만, 목표, 사용자 대상, 기술 스택, 확장성 면에서 차이가 큽니다.✅ 1. 목적과 사용 대상항목 Holoscan DeepStream목표의료, 산업용 실시간 센서 데이터 처리 (multi-modal stream, ultrasound, microscopy 등)실시간 비디오 분석 (CCTV, 스마트시티, 차량 등)대상 사용자고급 연구자, 의료 AI, Edge AI 개발자산업용 CCTV 분석, 리테일 분석, 트래픽 모니터링 등지원 HWJetson, x86, Holoscan Dev KitsJetson, x86 (GPU 가속 기반)포커스스트리밍 데이터 분석 + 멀티모달 센서 처리카메라 영상 기반의 객체 탐지, ..

[ Yolo ] Yolo 기능 단계하게 정의 YOLOv5(You Only Look Once version 5)는 실시간 객체 탐지(Object Detection)를 위한 딥러닝 모델로, 속도와 정확도의 균형이 매우 뛰어난 모델입니다. Ultralytics가 개발한 이 모델은 PyTorch로 구현되어 있으며, 다양한 환경에서 쉽게 적용할 수 있는 유연한 구조를 가지고 있습니다. YOLOv5를 사용하면 다양한 기능을 구현할 수 있으며, 대표적인 기능들을 아래와 같습니다..1. 객체 탐지 (Object Detection)YOLOv5의 핵심 기능으로, 이미지나 영상에서 사물의 위치(바운딩 박스)와 클래스(예: 사람, 차, 개 등)를 동시에 예측합니다.예시: 사람, 고양이, 강아지, 자전거, 자동차 등 탐지출력: 각 객체의 클래스, 바운딩 박스 좌표, co..

[ Yolo ] Python과 Yolo 모델로 간단하게 객체 인식해 보기 YOLOv5 모델을 사용해서 counter.png 이미지에서 객체를 탐지하는 기본 코드와, 여러 기능을 확인할 수 있는 테스트 코드 예제를 만들어보겠습니다.아래 예시는 Ultralytics YOLOv5 라이브러리를 활용합니다. (pip install ultralytics 또는 pip install yolov5 환경에 따라 설치)1. YOLOv5 객체 탐지 코드 (yolo_detect.py)import torchimport cv2import matplotlib.pyplot as pltdef detect_objects(image_path: str, model_name: str = "yolov5s"): """ YOLOv5 모델로 객체를 탐지하고 결과를 반환하는 함수 :param image_pa..

이전 1 2 3 4 ··· 8 다음

티스토리툴바