실전 — Object detection pipeline

~8 min · keras-cv

Level 0Keras 도제

0 XP0/97 lessons0/20 achievements

0/120 XP to next level120 XP to go0% complete

End-to-end: 자기 dataset 에서 YOLOv8 fine-tune. (1) data 준비 — bbox annotation (Pascal VOC 또는 COCO 포맷). (2) model: YOLOV8Detector.from_preset('yolo_v8_s_backbone_coco'). (3) backbone freeze, head 만 학습. (4) fine-tune.

이 흐름은 모든 custom object detection task 의 베이스라인. 자기 데이터 (의료 영상의 종양 box, 농작물 병변 box, 소비자 brand logo box 등) 에 적용하면 곧장 prototype.

Code

import keras_cv

# Load pretrained YOLOV8
model = keras_cv.models.YOLOV8Detector.from_preset(
    "yolo_v8_m_coco",
)

# Prepare image
image = keras.utils.load_img("photo.jpg", target_size=(640, 640))
image_array = keras.utils.img_to_array(image)
image_batch = keras.ops.expand_dims(image_array, axis=0)

# Run detection
predictions = model.predict(image_batch)
# Process bounding boxes, classes, and confidence scores

External links

Exercise

작은 detection dataset 골라 (또는 50 이미지 직접 annotate). YOLOv8s fine-tune. mAP ≥0.4 (작은 dataset 은 noisy). saved-model 저장 + 다시 로드 → inference.

Progress

Progress is local-only — sign in to sync across devices.

← PreviousAugmentation layer Next →퀴즈 · 3 questions

이 페이지에서 버그를 발견하셨거나 피드백이 있으세요?문제 신고

🔔 답글 알림 (로그인 필요)

로그인 — 댓글을 남기려면 로그인해 주세요.

아직 댓글이 없어요. 첫 댓글을 남겨보세요.