Detectify는 YOLO를 쉽고 빠르게 사용하기 위한, 라이브러리입니다.

문제가 발생하거나, 질문이 있으시면, Issue를 남겨주세요. 최대한 도움을 드리겠습니다!

해당 레포지토리 및 프로젝트에 기여를 하고싶다면, Fork해서 Pull-Request를 올려주세요!
또한, 해당 프로젝트가 더 나아질 수 있도록, 토론을 시작할 수도 있습니다!

예제

• 모델 파인튜닝 (학습)

  예제

  YOLOv11 모델을 커스텀 데이터셋으로 파인튜닝하는 과정입니다.
  

  • 이 과정에선 GPU (CUDA)가 권장됩니다!
    GPU가 없는 경우 CPU를 통해, 매우 느린 속도로 학습이 진행됩니다. (권장하지 않음!)
    빠른 학습과 안정성을 위해, 해당 Colab Notebook를 사용하여, 학습을 진행하세요.

  • GPU 가속이 정상적으로 되지 않는 경우 PyTorch를 자신의 cuda 버전에 맞게 재설치해주세요.

  from Detectify import Train
  
  train = Train()
  
  train.start(dataset="dataset/data.yaml")

• 모델 추론

  예제

  학습된 모델을 사용하여, 추론하는 과정입니다.
  

  • 이 과정에선 GPU (CUDA)가 권장됩니다!
    GPU가 없는 경우 CPU를 통해, 느린 속도로 추론이 진행됩니다.

  from Detectify import Predict
  
  predict = Predict(model="model.pt")
  
  predict.start(source=0) # 추론 시작
  predict.stop()          # 추론 중지

  값 가져오기

  추론에 관련한 값 (결괏값, 상태 등)을 가져올 수 있습니다.
  

  predict.status          # 추론 스레드가 시작되었는지 확인합니다.
                          # 자료형은 bool 입니다.
  
  predict.is_working      # 추론 중인지 확인합니다.
                          # 자료형은 bool 입니다.
  
  predict.result          # 추론 결괏값입니다.
                          # 자료형은 List[Results]이거나, None 입니다.
  
  predict.most            # 현재 최상위 클래스의 이름입니다.
                          # 자료형은 str 입니다.

  추론 파라미터

  클래스의 파라미터를 조정하여, 추론 파라미터를 할 수 있습니다.
  추론 설정 과정은 되도록 추론 이전에 실행하는 것이 좋습니다.

  predict.preprocessing = None    # 가져온 소스의 프레임이 추론되기 전 거칠
                                  # 전처리 함수입니다. (하단 예제 참고)
  
  predict.handler = None  # 추론한 최상위 클래스가 변경되었을 때
                          # 핸들러가 실행할 함수입니다. (하단 예제 참고)
  
  predict.conf = 0.25     # 추론 시 감지 임계값입니다.
                          # 추론한 대상이 해당 임계값보다 미만이라면, 무시됩니다.
  
  predict.iou = 0.7       # 대상 중복 감지 임계값입니다.
                          # 값이 낮을수록 겹치는 영역이 적어집니다.
  
  predict.max_objs = 300  # 최대로 감지할 대상의 수 입니다.
                          # 하나의 물체만 감지해야한다면, 1로 설정하는 것이 좋습니다.

• 모델 추론 (전처리 예제)

  추론 전 이미지 전처리를 추가하는 예제입니다.
  

  • main 함수를 사용하는 것이 권장됩니다!
    하단 예제는 main 함수 없이 작성되었지만, 이는 권장하지 않는 방법입니다.

  from Detectify import Predict
  
  predict = Predict("model.pt")
  
  def preprocessing(frame):
      # 이 곳에 이미지 전처리 코드를 삽입합니다...
  
  predict.preprocessing = preprocessing
  predict.start(source=0)

• 모델 추론 (핸들러 예제)

  예제

  추론 과정에서 이벤트 핸들러를 추가하는 예제입니다.
  이벤트 핸들러는 최상위 클래스가 변경될 때 호출됩니다.
  

  • main 함수를 사용하는 것이 권장됩니다!
    하단 예제는 main 함수 없이 작성되었지만, 이는 권장하지 않는 방법입니다.

  from Detectify import Predict
  
  predict = Predict("model.pt")
  
  def callback():
      # 이 곳에 최상위 클래스가 변경되었을 때,
      # 작동할 코드를 삽입합니다...
  
  predict.handler = callback
  predict.start(source=0)

환경 구성

• 가상 환경으로 생성

  • Windows

  python -m venv .venv
  .\.venv\Scripts\Activate.ps1
  
  pip install detectify-python

  • macOS / Linux

  python -m venv .venv
  source ./.venv/bin/activate
  
  pip install detectify-python

• Anaconda & Miniconda로 생성

  conda create -n Detectify python=3.11
  conda activate Detectify
  
  pip install detectify-python

---

기여자

• Keeworks 미래 광학기술 연구소 - 현장실습생 강찬영