컴퓨터 비전 기초

실제 이미지와 데이터셋에서 실행 가능한 YOLO26 예제를 활용해 모든 비전 시스템의 작동 원리를 익힙니다. 즉, 작업을 정의하고, Ultralytics YOLO의 7가지 작업 중 하나를 선택하고, 데이터와 라벨을 감사하고, 올바르게 분할하고, 지표를 해석하는 방법을 배웁니다.

작성자 Ultralytics Academy

강좌 시작 진행 상황을 저장하려면 로그인하세요

학습 내용

컴퓨터 비전 문제를 정의하고, 적합한 작업과 라벨을 선택하고, 데이터가 현실을 반영하는지 확인하고, 학습 전에 무엇이 ‘좋은’ 결과인지 파악합니다.

제품 아이디어를 세 줄짜리 작업 명세로 구체화하고, 비즈니스 규칙은 모델이 아니라 코드에 둡니다.
출력에 맞는 작업 하나를 7가지 중에서 선택합니다. 분류, 탐지, 인스턴스 분할, 시맨틱 분할, 깊이 추정, 포즈 또는 OBB입니다.
탐지기 출력을 읽고, 각 실수의 비용을 기준으로 신뢰도 및 IoU 임계값을 설정합니다.
실제 데이터셋을 감사해 커버리지 부족, 잘못된 라벨, 분할 간에 누수되는 거의 중복된 이미지를 찾아냅니다.
정밀도, 재현율, mAP50-95, 클래스별 AP, 혼동 행렬을 함께 살펴 출시, 반복 개선 또는 재검토 여부를 결정합니다.

만들게 될 결과물

프로젝트를 위한 작업 명세와 YOLO26 출력에 적용하는 코드로 작성된 의사 결정 규칙입니다.
실제 데이터셋에 대한 데이터셋 감사 및 라벨 검사와 우선순위를 정한 데이터 수집 계획입니다.
거의 동일한 이미지가 검증 데이터에 포함되지 않도록 하는 누수 검사 및 그룹 분할입니다.
병목 클래스와 출시 임계값을 명시하는 평가 결과입니다.
자체 이미지로 실행하고 명세와 대조해 확인한 첫 YOLO26 실행입니다.

선수 조건

컴퓨터 비전 경험이 없어도 됩니다. 각 개념은 독립적으로 이해할 수 있습니다.
선택 사항이지만 권장합니다. 예제를 실행하려면 Python 3.10 이상과 pip install ultralytics이 필요합니다. 모든 예제는 노트북 CPU에서 몇 초 만에 실행됩니다.

강좌 콘텐츠

모듈 4개 · 레슨 10개

모듈 1

문제 정의하기

막연한 제품 아이디어를 세 줄짜리 작업 명세로 구체화하고, 재학습 없이 변경할 수 있도록 비즈니스 규칙을 코드에 둡니다.

모듈 2

작업 선택하기

7가지 비전 작업

출력 행을 분류, 탐지, 인스턴스 분할, 시맨틱 분할, 깊이 추정, 포즈 또는 OBB에 연결하고, 시작할 YOLO26 가중치를 선택합니다.

객체 검출 이해하기

검출기의 출력인 클래스, 박스, 신뢰도를 확인하고 각 오류의 비용을 기준으로 신뢰도 임계값과 IoU 임계값을 설정합니다.

박스와 마스크: 실제로 세그멘테이션이 필요한 경우

실제 이미지에서 마스크가 박스보다 제공하는 이점을 측정하고, 프로젝트에 모양 정보가 필요한지 다운스트림 소비자를 기준으로 결정합니다.

자세 추정 및 OBB

YOLO26에서 키포인트와 회전 박스를 읽고, 각 항목에 규칙을 적용해 자세나 각도가 실제 신호인지 파악합니다.

모듈 3

데이터셋과 라벨

현실을 반영하는 데이터셋

라벨을 더 지정하기 전에 실제 데이터셋의 커버리지 공백을 감사하고, 공백을 하드 네거티브가 포함된 데이터 수집 계획으로 전환합니다.

어노테이션 품질

YOLO 라벨의 구성 요소를 파악하고, 라벨 파일의 오류 행을 린트로 검사하며, 가이드라인과 측정 가능한 교정 라운드를 통해 어노테이터 간 일관성을 유지하세요.

모듈 4

지표 읽기

신뢰할 수 있는 분할

학습과 검증 세트 사이에 누수되는 유사 중복 이미지를 찾고, 배포 시 새로 접하게 될 단위를 기준으로 분할하세요.

객체 탐지 지표를 올바르게 해석하기

검증을 실행하고 정밀도, 재현율, mAP50-95, 클래스별 AP, 혼동 행렬을 함께 살펴본 다음 목표에 따라 배포 임계값을 선택합니다.

실험실에서 프로덕션까지

Ultralytics를 설치하고, 직접 촬영한 이미지에 YOLO26을 실행한 다음, 출력 결과를 명세와 대조하고 다음 단계를 선택하세요.

Get Started

컴퓨터 비전 기초

강좌 콘텐츠