Ultralytics YOLO

Ultralytics는 이미지 분류, 객체 탐지, 이미지 분할, 자세 추정과 같은 작업을 위한 컴퓨터 비전 모델을 제공합니다. 실시간 객체 탐지 모델인 YOLO 계열의 한 버전인 YOLOv8과 함께, SAM (Segment Anything Model), RT-DETR, YOLO-NAS와 같은 다른 컴퓨터 비전 모델도 제공합니다. Ultralytics는 또한 API를 통해 이러한 모델을 트레이닝하고, 파인튜닝하고, 적용할 수 있는 즉시 활용 가능한 워크플로를 제공합니다. 이 페이지에서는 W&B가 검증 또는 추론 이미지에 대한 실험 메트릭, 모델 체크포인트, 예측을 자동으로 추적하고 시각화하도록 W&B를 Ultralytics와 통합하는 방법을 설명합니다. 설치, 트레이닝 및 검증 워크플로, 그리고 추론 전용 워크플로를 다룹니다.

시작하기

인테그레이션을 사용하려면 먼저 ultralytics와 wandb를 모두 설치하고, 지원되는 버전의 ultralytics를 사용 중인지 확인해야 합니다. ultralytics와 wandb를 설치합니다:

명령줄
노트북

pip install --upgrade ultralytics==8.0.238 wandb

# 또는
# conda install ultralytics

!pip install --upgrade ultralytics==8.0.238 wandb

개발팀은 이 인테그레이션을 ultralytics v8.0.238 이하 버전에서 테스트했습니다. 인테그레이션 관련 문제를 보고하려면 yolov8 태그를 포함해 GitHub 이슈를 생성하세요.

두 패키지를 모두 설치했다면, 이제 W&B로 Ultralytics 워크플로를 계측하는 단계로 진행할 수 있습니다.

실험 추적 및 검증 결과 시각화

이 섹션에서는 Ultralytics 모델을 사용해 트레이닝, 파인튜닝, 검증을 수행하고, W&B로 실험 추적, 모델 체크포인트 저장, 모델 성능 시각화를 수행하는 일반적인 워크플로를 보여줍니다. 인테그레이션에 대한 자세한 내용은 Supercharging Ultralytics with W&B를 참조하세요. Ultralytics와 함께 W&B 인테그레이션을 사용하려면 wandb.integration.ultralytics.add_wandb_callback 함수를 임포트하세요. 이 callback은 Ultralytics 모델에 W&B logging을 등록하는 진입점입니다.

import wandb
from wandb.integration.ultralytics import add_wandb_callback

from ultralytics import YOLO

다음으로, 원하는 YOLO 모델을 초기화한 다음, 모델로 추론을 수행하기 전에 add_wandb_callback 함수를 호출하세요. 트레이닝 전에 callback을 연결하면 각 에포크 동안 자동 로깅이 활성화됩니다. 이렇게 하면 트레이닝, 파인튜닝, 검증 또는 추론을 수행할 때 W&B가 컴퓨터 비전 작업용 대화형 오버레이를 사용해 정답값과 해당 예측 결과를 모두 오버레이한 이미지와 실험 로그를 자동으로 저장하고, 추가 인사이트를 wandb.Table에 함께 제공합니다.

with wandb.init(project="ultralytics", job_type="train") as run:

    # YOLO 모델 초기화
    model = YOLO("yolov8n.pt")

    # Ultralytics용 W&B callback 추가
    add_wandb_callback(model, enable_model_checkpointing=True)

    # 모델 트레이닝/파인튜닝
    # 각 에포크 종료 시 검증 배치에 대한 예측 결과가
    # 컴퓨터 비전 작업을 위한 유용한 대화형 오버레이와 함께
    # W&B table에 로깅됩니다
    model.train(project="ultralytics", data="coco128.yaml", epochs=5, imgsz=640)

callback을 연결하고 트레이닝을 시작하면 이제 run이 트레이닝 메트릭, 모델 checkpoint, 에포크별 검증 시각화를 W&B 프로젝트로 스트리밍합니다. 다음은 Ultralytics 트레이닝 또는 파인튜닝 워크플로에서 W&B로 추적한 Experiments의 모습입니다: 다음은 W&B Table을 사용해 에포크별 검증 결과를 시각화한 모습입니다:

prediction 결과 시각화

이 섹션에서는 Ultralytics 모델을 사용해 추론을 수행하고, W&B로 결과를 시각화하는 일반적인 워크플로를 보여줍니다. Google Colab에서 코드를 사용해 볼 수 있습니다. Colab에서 열기. 트레이닝 워크플로와 마찬가지로 Ultralytics와 함께 W&B 인테그레이션을 사용하려면 wandb.integration.ultralytics.add_wandb_callback 함수를 임포트하세요.

import wandb
from wandb.integration.ultralytics import add_wandb_callback

from ultralytics.engine.model import YOLO

다음으로, 인테그레이션을 테스트하는 데 사용할 이미지 몇 개를 다운로드하세요. 정지 이미지, 비디오 또는 카메라 소스를 사용할 수 있습니다. 추론 소스에 대한 자세한 내용은 Ultralytics docs를 참조하세요.

!wget https://raw.githubusercontent.com/wandb/examples/ultralytics/colabs/ultralytics/assets/img1.png
!wget https://raw.githubusercontent.com/wandb/examples/ultralytics/colabs/ultralytics/assets/img2.png
!wget https://raw.githubusercontent.com/wandb/examples/ultralytics/colabs/ultralytics/assets/img4.png
!wget https://raw.githubusercontent.com/wandb/examples/ultralytics/colabs/ultralytics/assets/img5.png

테스트 이미지가 준비되면 wandb.init()을 사용해 W&B run을 초기화하세요. 다음으로 원하는 YOLO 모델을 초기화한 뒤, 모델로 추론을 수행하기 전에 해당 모델에서 add_wandb_callback 함수를 호출하세요. 이렇게 하면 추론 시 W&B가 컴퓨터 비전 작업용 대화형 오버레이가 적용된 이미지와 추가 인사이트를 wandb.Table에 자동으로 기록합니다.

# W&B Run 초기화
with wandb.init(project="ultralytics", job_type="inference") as run:
    # YOLO 모델 초기화
    model = YOLO("yolov8n.pt")

    # Ultralytics용 W&B callback 추가
    add_wandb_callback(model, enable_model_checkpointing=True)

    # 예측 수행 - 바운딩 박스, 세그멘테이션 마스크의 대화형 오버레이와 함께
    # W&B Table에 자동으로 기록됩니다
    model(
        [
            "img1.png",
            "img2.png",
            "img4.png",
            "img5.png",
        ]
    )

트레이닝 또는 파인튜닝 워크플로에서는 wandb.init()를 사용해 run을 명시적으로 초기화할 필요가 없습니다. 하지만 코드가 예측만 수행하는 경우에는 run을 명시적으로 생성해야 합니다.

추론을 실행하면 W&B는 예측된 바운딩 박스와 세그멘테이션 마스크를 W&B run에 대화형 오버레이로 기록합니다. 다음은 대화형 바운딩 박스 오버레이의 예시입니다: 자세한 내용은 W&B image overlays 가이드를 참조하세요.

Weights & Biases

Powered by CoreWeave

Platform Details

Resources

시작하기

실험 추적 및 검증 결과 시각화

prediction 결과 시각화

추가 자료

​시작하기

​실험 추적 및 검증 결과 시각화

​prediction 결과 시각화

​추가 자료

시작하기

실험 추적 및 검증 결과 시각화

prediction 결과 시각화

추가 자료