YOLO의 역사

• YOLOv1 : 2016년에 발표된 최초 버전으로, 실시간 객체 검출을 위한 딥러닝 기반의 네트워크
• YOLOv2 : 2017년에 발표된 두 번째 버전으로, 성능을 개선하고 속도를 높인 것이 특징
• YOLOv3 : 2018년에 발표된 세 번째 버전으로, 네트워크 구조와 학습 방법을 개선하여 객체 검출의 정확도와 속도를 모두 개선
• YOLOv4 : 2020년 4월에 발표된 네 번째 버전으로, SPP와 PAN 등의 기술이 적용되어 더욱 정확한 객체 검출과 더 높은 속도를 제공
• YOLOv5 : 2020년 6월에 발표된 버전으로 YOLOv4와 비교하여 객체 검출 정확도에서 10% 이상 향상되었으며, 더 빠른 속도와 더 작은 모델 크기를 가짐
• YOLOv6 : 2022년 7월 발표된 버전으로, 훈련 과정의 최적화에 집중하여 훈련 cost를 강화화는 최적화된 모듈과 최적 기법인 trainable bag-of-freebies를 제안
• YOLOv7 : 2022년 9월 발표된 버전으로, 여러 방법을 이용하여 알고리즘의 효율을 높이고, 특히 시스템에 탑재하기 위한 Quantization과 distillation 방식도 일부 도입하여 성능 향상
• YOLOv8 : 2023년 1월 발표된 버전으로, YOLO 모델을 위한 완전히 새로운 리포지토리를 출시하여 개체 감지, 인스턴스 세분화 및 이미지 분류 모델을 train하기 위한 통합 프레임워크로 구축됨
• YOLOv9 : 2024년 2월 발표된 버전으로, 기존의 네트워크에서 정보 손실의 문제점을 해결하기 위해 PGI를 사용하여 설계한 GELAN 신경망을 사용하여 기존 모델을 개선함

YOLOv8 Simple Tutorial

1. 아래 명령어를 통해 ultralytics를 설치합니다.

   pip install ultralytics
   

2. 튜토리얼을 위한 스크립트를 작성합니다.

   mkdir ~/yolov8_tutorial
   cd ~/yolov8_tutorial
   touch tutorial.py
   

   from ultralytics import YOLO
   import cv2
   
   # Load a model
   model = YOLO("yolov8n.pt")  # COCO dataset으로 pretrained된 model을 불러옴
   
   # ultralytics 패키지 내에 test용으로 이미 존재해 있는 버스 이미지를 이용해 object detection 수행
   sample_img = "<https://ultralytics.com/images/bus.jpg>"
   # sample_img = "test.jpg"
   
   results = model(sample_img)
   
   print(results[0]) # 이미지에 대한 정보 출력
   
   print(results[0].boxes) # 좌상단 좌표, 우하단 좌표, confidence score, class id
   
   # Display
   plots = results[0].plot()
   cv2.imshow("plot", plots)
   cv2.waitKey(0)
   cv2.destroyAllWindows()
   

3. 스크립트를 실행하고 결과를 확인합니다.

   python3 ~/yolov8_tutorial/tutorial.py
   

   

   출력 결과

ROS 2 with YOLOv8