YOLO v8 사용해보기

웹캠 영상을 입력으로 하여 YOLO v8을 실행해봅니다.

2023. 5. 8   최초작성 

2023. 9. 28 링크 오류 수정

2023. 10. 3 CUDA 사용하기 위해 필요한 점 수정

관련 포스트

 

Yolo v8 pose 사용해보기

https://webnautes.tistory.com/1852

다음 포스트를 참고하여 파이썬 개발 환경을 만드는 것을 권장합니다.

 

Visual Studio Code와 Miniconda를 사용한 Python 개발 환경 만들기( Windows, Ubuntu)

https://webnautes.tistory.com/1842 

좀 더 빠르게 욜로를 실행시키려면 CUDA를 사용하도록 Pytorch를 설치해야 합니다. 

( https://qiita.com/kotai2003/items/32329a90703394d39d5c )

Ubuntu 22.04에 CUDA 사용할 수 있도록 PyTorch 2.0 설치하는 방법

https://webnautes.tistory.com/1845

 

WSL2에서 CUDA 사용할 수 있도록 PyTorch 2.0 설치하는 방법

https://webnautes.tistory.com/1849

 

Windows에 CUDA Toolkit 11.8 cuDNN 8.7.0 PyTorch 설치하는 방법

https://webnautes.tistory.com/1850 

욜로 테스트 코드를 실행할 가상환경을 생성합니다. Python 3.11을 사용하도록 생성했습니다. 

(base) C:\Users\webnautes>conda create -n yolov8 python=3.11

 

가상환경을 활성화합니다.

(base) C:\Users\webnautes>conda activate yolov8

필요한 패키지를 설치합니다.

(yolov8) C:\Users\webnautes>pip install opencv-python

(yolov8) C:\Users\webnautes>pip install ultralytics

다음 코드를 test_yolov8.py 이름으로 저장합니다.

여기서부터는 Visual Studio Code에서 진행하면 편합니다.

 

import cv2 from ultralytics import YOLO # Load the YOLOv8 model model = YOLO('yolov8n.pt') # 동영상 파일 사용시 # video_path = "path/to/your/video/file.mp4" # cap = cv2.VideoCapture(video_path) # webcam 사용시 cap = cv2.VideoCapture(0) # Loop through the video frames while cap.isOpened():     # Read a frame from the video     success, frame = cap.read()     if success:         # Run YOLOv8 inference on the frame         results = model(frame)         # Visualize the results on the frame         annotated_frame = results[0].plot()         # Display the annotated frame         cv2.imshow("YOLOv8 Inference", annotated_frame)         # Break the loop if 'q' is pressed         if cv2.waitKey(1) & 0xFF == ord("q"):             break     else:         # Break the loop if the end of the video is reached         break # Release the video capture object and close the display window cap.release() cv2.destroyAllWindows()

실행시키면 사람 및 물건이 검출이 된 결과를 보여줍니다. 

사람이 검출된 확률이 76%이고 리모컨이 검출된 확률이 84%입니다. 

 

q를 누르면 프로그램이 종료됩니다. 

터미널에는 검출결과가 연속적으로  출력됩니다.

사람 1명과 리모컨 1개가 검출되었다고 출력되었고 검출하는데 163.4ms 걸렸다고 출력되었습니다.

 

0: 480x640 1 person, 1 remote, 163.4ms

Speed: 2.9ms preprocess, 163.4ms inference, 0.0ms postprocess per image at shape (1, 3, 640, 640)

코드에서는 욜로 모델로 yolov8n.pt를 사용하고 있습니다. 

아래 표의 Model 열에 있는 모델 이름 중 아래쪽에 있는 걸  적을 수록 물체 검출 정확도가 올라가는 대신 검출하는데 걸리는 시간이 좀 더 걸립니다.  코드에서  yolov8n.pt 자리에 다른 모델 이름을 적어주면 됩니다. 

참고 

https://docs.ultralytics.com/modes/predict/#streaming-source-for-loop 

https://github.com/ultralytics/ultralytics