YOLOv8을 활용한 자동 라벨링 세그멘테이션 데이터셋 구축 가이드

작성자가 교육 목적으로 상세한 튜토리얼과 소스 코드 링크를 제공했으며, 커뮤니티의 기술적 피드백과 질문을 환영하는 분위기이다.

• 추론 속도가 중요한 환경에서는 YOLOv8의 nano 버전(yolov8n-seg)을 사용하여 실시간성을 확보하라.
• OpenCV를 활용해 비디오 프레임을 캡처하고 Ultralytics의 Annotator 클래스를 사용하여 시각화된 결과를 저장하라.

Auto-Labeling

— 사전 학습된 AI 모델을 사용하여 새로운 데이터셋에 대한 레이블을 자동으로 생성하는 기술이다. 수동 작업에 비해 데이터 구축 속도를 비약적으로 높여주며, 특히 픽셀 단위의 정밀도가 필요한 세그멘테이션 작업에서 시간과 비용을 크게 절감한다.

Instance Segmentation

— 이미지 내의 개별 객체를 탐지할 뿐만 아니라 각 객체의 경계를 픽셀 단위로 정확히 구분해내는 기술이다. 단순 박스 형태의 탐지보다 정교한 마스크를 생성하여 객체의 정확한 형태와 위치 정보를 제공하는 것이 특징이다.

Inference

— 학습된 모델이 새로운 입력 데이터를 받아 예측 결과를 내놓는 과정이다. 이 튜토리얼에서는 YOLOv8n-seg 모델이 비디오 프레임에서 객체 경계와 비트마스크 폴리곤을 실시간으로 계산하여 출력하는 단계를 의미한다.