객체 검출 이해하기

검출기가 반환하는 값#

이미지의 각 태그는 출력의 한 행에 해당합니다. 클래스 이름, 신뢰도, 그리고 해당 객체를 둘러싼 박스입니다. 검출 모델은 정확히 이러한 목록을 반환합니다:

• 클래스 — result.names을 통해 이름에 매핑되는 정수 인덱스입니다(0은 person이고, 5은 bus입니다).
• 박스 — 객체의 위치를 나타내는 네 개의 숫자입니다. xyxy은 왼쪽 위 모서리와 오른쪽 아래 모서리를 픽셀 단위로 나타냅니다.
• 신뢰도 — 검출 결과의 순위를 매기고 필터링하는 데 사용하는 0~1 사이의 점수입니다.

계수, 알림, 추적, 블러 처리는 이러한 행을 기반으로 작성하는 코드입니다.

from ultralytics import YOLO

model = YOLO("yolo26n.pt")
result = model("https://ultralytics.com/images/bus.jpg", verbose=False)[0]

for box in result.boxes:
    name = result.names[int(box.cls)]
    x1, y1, x2, y2 = box.xyxy[0].tolist()
    print(f"{name:8} conf={float(box.conf):.2f} box=({x1:.0f}, {y1:.0f}, {x2:.0f}, {y2:.0f})")

bus      conf=0.88 box=(0, 230, 803, 751)
person   conf=0.87 box=(49, 398, 240, 902)
person   conf=0.86 box=(223, 405, 345, 861)
person   conf=0.85 box=(670, 395, 810, 880)
person   conf=0.65 box=(0, 553, 60, 871)

한 줄씩 살펴보겠습니다. 버스가 왼쪽 가장자리 밖으로 이어지므로 버스 박스는 x=0에서 시작합니다. 사람 세 명의 신뢰도 점수는 0.85~0.87입니다. 왼쪽 경계에서 잘린 네 번째 사람의 점수는 0.65에 불과합니다. 모델이 신체의 절반만 보기 때문입니다. 잘린 객체의 신뢰도가 낮은 것은 정상이며, 임계값의 영향을 가장 먼저 받는 경우입니다.

박스는 네 가지 형식으로 제공됩니다. 후속 코드가 필요로 하는 형식을 사용하세요:

후보에서 최종 목록까지#

모델 내부에서는 객체별 후보 박스 여러 개에 점수를 매깁니다. 두 가지 필터가 후보를 최종 목록으로 변환합니다:

신뢰도 필터. conf은 임계값보다 낮은 박스를 제거합니다. 예측 시 기본값은 0.25입니다. 버스 이미지에서는 개수가 빠르게 바뀝니다:

중복 필터. 비최대 억제(NMS)는 신뢰도가 가장 높은 박스를 유지하고, 해당 박스와 iou(기본값 0.7)보다 많이 겹치는 동일 클래스의 다른 박스는 제거합니다. 겹침은 교집합 대 합집합으로 측정합니다. 즉, 겹치는 영역을 전체 영역으로 나눈 값입니다.

오류 비용을 기준으로 임계값을 선택합니다#

창고 안전 모니터링은 임계값을 낮게 설정하는 대표적인 사례입니다. 예측 모드에는 모든 추론 인수가 나열되어 있습니다.

주의할 점#

잘못 판단하는 네 가지 방식#

두 가지 목록을 사용하면 원인을 빠르게 진단할 수 있습니다. 신뢰도가 낮은 참양성(모델이 실제 객체를 확신하지 못함)과 신뢰도가 높은 거짓양성(모델이 잘못된 대상을 확신함)입니다. 두 목록은 서로 다른 해결 방법을 가리킵니다.