https://github.com/backgwa/detectify
Detectify - YOLOv11 기반 객체 감지 프레임워크
https://github.com/backgwa/detectify
Last synced: 4 months ago
JSON representation
Detectify - YOLOv11 기반 객체 감지 프레임워크
- Host: GitHub
- URL: https://github.com/backgwa/detectify
- Owner: BackGwa
- License: agpl-3.0
- Created: 2024-08-23T16:47:47.000Z (almost 2 years ago)
- Default Branch: main
- Last Pushed: 2024-10-21T11:46:56.000Z (over 1 year ago)
- Last Synced: 2025-11-27T12:25:37.996Z (7 months ago)
- Language: Python
- Homepage:
- Size: 99.6 KB
- Stars: 0
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
- License: LICENSE
Awesome Lists containing this project
README
Detectify는 YOLO를 쉽고 빠르게 사용하기 위한, 라이브러리입니다.
문제가 발생하거나, 질문이 있으시면, [Issue](https://github.com/BackGwa/Detectify/issues)를 남겨주세요. 최대한 도움을 드리겠습니다!
해당 레포지토리 및 프로젝트에 기여를 하고싶다면, Fork해서 Pull-Request를 올려주세요!
또한, 해당 프로젝트가 더 나아질 수 있도록, [토론](https://github.com/BackGwa/Detectify/discussions)을 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 Notebook](https://colab.research.google.com/drive/1ZLOLCJn1IganamvmP8tKjUkyHjKzGAcs?usp=sharing)를 사용하여, 학습을 진행하세요.*
- GPU 가속이 정상적으로 되지 않는 경우 [PyTorch](https://pytorch.org/)를 자신의 cuda 버전에 맞게 재설치해주세요.
```py
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.*
```py
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.
```py
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.*
```py
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.*
```py
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.*
```py
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
```powershell
python -m venv .venv
.\.venv\Scripts\Activate.ps1
pip install detectify-python
```
- macOS / Linux
```bash
python -m venv .venv
source ./.venv/bin/activate
pip install detectify-python
```
- ### Anaconda & Miniconda로 생성
```bash
conda create -n Detectify python=3.11
conda activate Detectify
pip install detectify-python
```
---
## 기여자
- Keeworks 미래 광학기술 연구소 - [현장실습생 강찬영](https://github.com/BackGwa/)