본문 바로가기
반응형

AI

 (54)
[ 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..
[ Yolo ] 간단하게 이미지에서 객체 분석해보기 (v5, v8) Ubuntu에서 YOLO 모델을 실행하려면 몇 가지 준비 단계가 필요합니다. 크게 환경 준비 → YOLO 설치 → 실행 테스트 순서로 진행됩니다.1. 환경 준비먼저 필수 패키지를 설치합니다.sudo apt updatesudo apt install -y python3 python3-venv python3-pip git필요하다면 GPU 드라이버와 CUDA도 설치해야 합니다.CPU만 쓸 경우: PyTorch CPU 버전만 설치하면 됨GPU 사용 시: CUDA와 cuDNN이 설치되어 있어야 함PyTorch 설치 확인:pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu# GPU라면 CUDA 버전에 맞춰 설..
[ NVIDIA ] 초 간단하게 ONNX > Tensorrt 테스트 해보기 TensorFlow나 PyTorch 없이 ONNX 모델을 만들고 TensorRT로 변환하여 실행하는 간단한 예제를 작성해 보겠습니다.이 예제에서는 onnx 모델을 수동으로 생성한 후, 이를 TensorRT로 변환하여 실행하는 과정입니다. 이 과정에서 필요한 주요 단계는 ONNX 모델 생성, TensorRT 변환, 그리고 모델 실행입니다. 1. NVIDIA Docker Image 사용하기 docker pull nvcr.io/nvidia/l4t-tensorrt:r10.3.0-develdocker run -it --name atlas5 --runtime nvidia nvcr.io/nvidia/l4t-tensorrt:r10.3.0-devel bash 2. ONNX 모델 생성간단한 수학적 연산을 수행하는 ONN..
[ NVIDIA ] YOLO + StrongSORT 조합으로 객체 인식하고 추적하기 YOLOv8 nano + StrongSORT 조합을 사용하여MP4 또는 웹캠 영상에서 객체 탐지각 객체에 고유 ID 부여 (추적)실시간으로각 객체의 현재 위치이동 방향(벡터)ID별 라벨을영상 위에 표시1. 설치해야 할 라이브러리pip install ultralytics opencv-python supervision lap cython bbox numpypip install git+https://github.com/mikel-brostrom/Yolov5_StrongSORT_OSORT.gitYolov5_StrongSORT_OSORT는 StrongSORT를 YOLO와 연동해주는 강력한 오픈소스입니다.2. 사전 준비▶ YOLOv8 nano 모델 다운로드Ultralytics의 경량 모델:from ultralyti..
[ NVIDIA ] YOLOv8n 모델로 객체 찾기 아래는 YOLOv8을 사용하여 MP4 동영상에서 객체를 인식하고,실시간으로 객체를 화면에 표시하고각 프레임마다 탐지된 객체의 정보(클래스, 신뢰도, 좌표)를 출력하는Python 코드 전체 예시입니다.1. 설치 준비먼저 필요한 패키지를 설치하세요:pip install ultralytics opencv-python2. 전체 코드: yolo_detect_video.pyimport cv2from ultralytics import YOLO# 1. YOLOv8 모델 로딩model = YOLO("yolov8n.pt") # n = nano (가볍고 빠름)# 2. 비디오 파일 열기video_path = "your_video.mp4"cap = cv2.VideoCapture(video_path)# 3. 클래스 이름 가져오..
[ AI ] 컴퓨터 비전(Computer Vision) 분야 대표 추론 모델별 주요 기능·특징을 간단히 요약하기 🔹 분류(Classification) 계열ResNet (Residual Network)→ "잔차 연결(Skip Connection)"을 도입해 깊은 신경망 학습을 가능하게 한 모델. 이미지 분류의 기본 벤치마크.EfficientNet→ 모델 크기와 정확도 사이의 균형 최적화. 작은 모델(EfficientNet-B0)부터 큰 모델(EfficientNet-B7)까지 다양한 버전 존재.VGG→ 단순한 구조(3×3 컨볼루션 반복)로 유명한 고전적인 CNN. 연산량이 많지만 이해·응용이 쉬움.MobileNet→ 경량 CNN. Depthwise Separable Convolution을 사용해 모바일·임베디드 기기에서 빠른 추론 가능.🔹 객체 탐지(Object Detection) 계열YOLOv3/v4/v5→ "Y..
[ NVIDIA ] Jetson Orin Nano에서 SSD를 마운트(mount)하기 Jetson Orin Nano에서 SSD를 마운트(mount)하는 방법입니다.아래는 일반적인 SATA 또는 NVMe SSD를 연결했을 때의 마운트 과정입니다. SSD의 포맷 및 파일 시스템 상태에 따라 단계가 달라질 수 있으니 참고하세요.[ 준비물 ]Jetson Orin Nano 개발자 키트연결 가능한 SSD (NVMe M.2 또는 USB/SATA 방식 SSD)마운트할 디렉토리 생성 권한1. SSD 연결 및 확인먼저 SSD가 인식되었는지 확인합니다.lsblk출력 예시:NAME MAJ:MIN RM SIZE RO TYPE MOUNTPOINTmmcblk0 179:0 0 29G 0 disk└─mmcblk0p1 179:1 0 29G 0 part /nvme0n1 ..
반응형

티스토리툴바