[Computer Vision] Ultralytics YOLO 실전 사용법 (Train · Val · Export까지)

우리가 흔히 아는 객체 탐지(Object Detection)를 배울 때 YOLO라는 단어를 많이 접할 것이다.YOLO를 예전에 사용해 본 사람들은 환경설정도 어렵고 구동시키기도 어려워했을 것이다. Darknet시절에는 그랬다.하지만 Ultralytics가 등장하면서 pip install 한 줄이면 설치가 끝나고, 파이썬 코드 몇 줄이면 SOTA(State-of-the-Art)급 모델을 돌릴 수 있게 되었다.현업에서 YOLO를 다시 쓸 일이 생겨 Ultralytics의 YOLO 사용법에 대해 정리해 본다.🔎 Ultralytics? 뭐지?질문에 답을 하기 전에 YOLO의 역사에 대해 알아보는 게 이해하기 쉽다.초기 YOLO(v1~v3)는 C언어 기반의 Darknet 프레임워크를 사용했다. 성능은 좋았지만 ..

• format_list_bulleted ML
• · 2025. 12. 23.

[Computer Vision] 딥러닝 없이 허프변환을 통한 공 검출하기

이미지 데이터를 분석하다 보면 특정 사물을 검출 및 탐지해야 할 때가 있다.이 영역은 Object Detection이라는 딥러닝 기술로 많이 알려져 있다. 필자도 실시간 카메라 환경, 이미지에서 특정 사물이나 물건을 탐지하는데 많이 사용했다. 하지만 이는 컴퓨터 리소스 제한 및 딥러닝 환경이 구축되어야 하고 다량의 이미지가 필요하다.(요즘에는 VL모델로도 쉽게 추출이 가능하긴하다.)그래서 필자는 딥러닝 없이 특정 사물을 검출하는 방법을 찾아보았고 허프 변환(Hough Transform)을 알게 되어 소개해보려고 한다. ✔️ 허프변환은 무엇인가?허프 변환은 이미지에서 직선, 원, 타원과 같이 수학적 형태로 표현될 수 있는 특정 도형을 검출하는 고전적인 컴퓨터 비전 기법이다.허프 변환의 핵심은 이미지에 있는..

• format_list_bulleted ML
• · 2025. 11. 3.

[ML] 데이터 분포 정규화

❗ 본 포스팅은 AI-Tech Interview의 질문을 바탕으로 공부한 내용을 정리한 것입니다.  Q. 정규화를 왜 해야 할까요? 정규화의 방법은 무엇이 있나요? ▷ 정규화(Nomalization)   각 변수를 동일하게 스케일링하는 것을 의미한다. □ Min-Max Scaling   대표적인 방법으로 최대, 최소를 기준으로 0~1 사이로 값을 고정하는 방법(Min-Max Scaling)이 있다.   데이터의 분포는 바뀌지 않고 스케일만 0~1로 바뀌기 때문에 이상치가 있다면 그것의 영향을 받게 된다.     위를 보면 분포는 같은데 X축의 스케일만 달라진 것을 확인 할 수 있다. □ Robust Scaling   이상치의 영향을 덜 받는 Robust Scaling이 있다. 이것은 4분 위수 IQR로 ..

• format_list_bulleted ML
• · 2025. 2. 24.

[ML]Netron(딥러닝 모델 시각화 도구)

Q.딥러닝을 배우면 모델 설계를 하게 되는데 이걸 직관적으로 표현하는 방법은 무엇?보통 이런 의문이 든다.필자가 딥러닝이라는 것을 배울때는 아래와 같이 텐서플로, 케라스의 모델 시각화(plot_model)기능으로 시각화를 했었다. 간단하고 직관적으로 표현되었다는 느낌이 들었고 학부생 과제를 할 때 유용하게 사용했다.처음에 들어가는 데이터가 어떤 Shape이어야하는지를 파악할 때 편했고 각 레이어를 통과하면서 어떤 Shape으로 변화하는지 잘 알 수 있었다. 하지만 필자는 회사를 다니게 되면서 조금더 윗 분들은 복잡한 내용보다는 조금더 직관적이고 이쁘고 알기 쉽게 시각화하기를 원하는 경우가 많았고 이를 위해 더 많은 자료를 찾던중 Netron이라는 것을 발견하게 되었다. Q. Netron은 무엇인가? 그리..

• format_list_bulleted ML
• · 2025. 2. 17.

[Ray] Ray를 활용한 데이터 프레임 Concat

❗ Ray를 활용해서 데이터프레임을 분산/병렬처리 해보자. 대용량의 데이터를 다루다보면 데이터 처리하는 시간이 많이 걸릴 때가 있다. 필자 역시 일을 하면서 경험했었고 실제로 “병렬로 데이터를 처리하면 훨씬 빠르게 처리 할 수 있지 않을까?” 라는 생각을 했던적이 있다. 특히, 가용가능한 CPU와 GPU가 있는데 이것들의 사용량을 보면 제대로 활용하지 못하고 있다는 생각이 들었다. 그래서 한정된 자원에서 최대한 효율을 내려고 병렬처리를 할 수 있는 Python 라이브러리를 찾아보는 계기가 되었다. Python에서는 주로 Multiprocessing을 많이 사용하고 그 다음으로 Ray를 많이 사용하는 것으로 파악된다. 필자는 ML/DL환경에서도 쉽게 사용할 수 있는 Ray를 사용하기로 했다. Ray는 py..

• format_list_bulleted ML
• · 2024. 2. 28.

[ML] 회귀 평가방법

❗ 본 포스팅은 AI-Tech Interview의 질문을 바탕으로 공부한 내용을 정리한 것입니다. Q. 알고 있는 metric에 대해 설명해주세요. ex) RMSE, MAE, recall, precision ... Metric은 크게 회귀(Regression)과 분류(Classification)으로 나누어서 이야기 할 수 있습니다. 이번에 공부한 내용은 회귀에 관한 metric이다. 회귀(Regression)에 대해 알아보자. 회귀는 간단하게 어떤 데이터가 위의 그림처럼 퍼져있으면 그 데이터를 적절하게 설명하는 선을 찾는 것을 이야기한다. 저기 위에 있는 주황색 포인트가 실제값들이고 예측값이라고 되어있는 선이 회귀선이다. 그리고 회귀선과 실제값들의 차이를 오차라고 한다. 그렇다면 우리가 해야하는 머신러닝..

• format_list_bulleted ML
• · 2022. 11. 27.