YOLO 모델
이미지에서 객체를 탐지하고 인식하는 딥러닝 모델입니다.
설명
YOLO(You Only Look Once) 모델은 이미지 속의 객체를 실시간으로 탐지하는 딥러닝 모델입니다.
사람, 동물, 자동차, 물체 등 다양한 객체를 인식하고, 각 객체의 위치(좌표)와 식별 확실성을 제공합니다.
이미지 분류, 객체 카운팅, 보안 모니터링 등 다양한 분야에서 활용됩니다.
포트 구성
입력 포트
- 데이터셋: 이미지가 포함된 데이터셋
출력 포트
- 데이터셋: 탐지된 객체의 정보(식별 확실성, 좌표)가 포함된 데이터셋
속성
대상 열 선택
객체 탐지를 수행할 이미지가 포함된 열을 선택합니다.
이미지 업로드 노드로 업로드한 이미지 열을 선택할 수 있습니다.
모델 선택
사용할 YOLO 모델 유형을 선택합니다.
- Object Detection: 이미지 속 객체를 탐지하고 분류합니다
- Pose Estimation: 사람의 자세와 관절 위치를 탐지합니다
임계값 설정
결과에 포함시킬 최소 식별 확실성(confidence)을 설정합니다.
예를 들어 0.25로 설정하면, 식별 확실성이 0.25(25%) 이상인 객체만 결과에 포함됩니다.
낮은 값: 더 많은 객체 탐지, 오탐지 가능성 증가 높은 값: 확실한 객체만 탐지, 놓치는 객체 증가
IOU (Intersection over Union)
예측한 경계 상자와 실제 객체 경계 상자의 겹침 비율 임계값을 설정합니다.
설정한 값 이상으로 겹치는 경우에만 올바른 탐지로 간주합니다.
- 0.0 ~ 1.0 사이의 값
선택한 대상 열을 삭제
출력 데이터셋에 원본 이미지 열을 포함할지 선택합니다.
체크 시 이미지 열이 삭제되고 탐지 결과만 남습니다.
출력 데이터셋
| 컬럼명 | 설명 |
|---|---|
| (원본 데이터) | 입력 데이터의 열들 |
| Label | 탐지된 객체의 클래스 번호 |
| name | 탐지된 객체의 이름 (예: person, car, boat) |
| confidence | 식별 확실성 (0.0 ~ 1.0) |
| x1 | 경계 상자 좌상단 X 좌표 |
| x2 | 경계 상자 우하단 X 좌표 |
| y1 | 경계 상자 좌상단 Y 좌표 |
| y2 | 경계 상자 우하단 Y 좌표 |
사용 방법
- 노드를 캔버스에 추가합니다
- 이미지 업로드 노드를 사용하여 이미지 데이터를 준비합니다
- 이미지 데이터셋을 YOLO 모델 노드의 입력 포트에 연결합니다
- 대상 열 선택에서 이미지가 포함된 열을 선택합니다
- 사용할 모델을 선택합니다
- 필요에 따라 임계값과 IOU 값을 조정합니다
- 노드를 실행하면 탐지된 객체 정보가 출력됩니다
예제
길거리 사진에서 사람과 차량을 탐지하는 예제입니다.
데이터
- 길거리 CCTV 이미지
- 사람, 자동차 등이 포함된 이미지
노드 연결
이미지 업로드 → YOLO 모델 → 데이터 테이블
- 이미지 업로드로 사진 로드
- YOLO 모델로 객체 탐지
- 데이터 테이블로 결과 확인
YOLO 모델 설정
- 대상 열 선택: Image
- 모델 선택: Object Detection
- 임계값 설정: 0.25
- IOU: 0.7
결과
YOLO 모델 노드 바디:
노드를 클릭하면 이미지에 탐지된 객체가 확대 됩니다.
데이터 테이블 출력:
각 객체의 이름, 식별 확실성, 경계 상자 좌표(x1, y1, x2, y2)가 데이터로 저장됩니다.