인공지능 파이썬 실무대단원 Ⅳ. 파이썬과 컴퓨터 비전 교과서 132–195쪽
중단원 02. 컴퓨터 비전 라이브러리 활용 · 147–193쪽
소단원 05. 컴퓨터 비전 프로젝트 실습 · 177–191쪽
이 웹 주제의 연계 범위: 185–191쪽
웹 학습 주제 10 / 11
YOLOv8 객체 탐지와 개수 표시
박스·클래스·신뢰도를 읽고 프레임별 개수를 세어 보세요.
YOLOv8 객체 탐지와 개수 표시 · 한눈에 보기
- 1모델·입력 준비
- 2추론
- 3클래스·좌표·점수
- 4현재 프레임 개수
- 5표시·조건 비교
| Haar | YOLO | 선택 기준 |
|---|---|---|
| 특정 패턴 분류기 | 다중 클래스 모델 | 찾을 대상 |
| 명암 패턴 기반 | 학습 가중치 기반 | 입력 조건 |
| CPU에서 비교적 가벼운 구성 | 모델·해상도별 비용 차이 | 실측 속도와 오류 |
YOLO 예제는 사전 학습된 yolov8n.pt로 이미지 속 여러 클래스의 위치와 점수를 반환합니다. 이 단원은 교과서의 YOLOv8 경로를 다루며 특정 버전을 최신이라고 단정하지 않습니다. conf 기준을 바꾸면 출력되는 후보 수가 달라집니다.
검출 결과의 boxes.cls는 클래스 번호, conf는 모델 점수, xyxy는 박스 좌표입니다. 프레임마다 Counter를 새로 만들어 현재 개수를 셉니다. 여러 프레임의 합계는 고유 객체 수가 아니며, 누적 통행량에는 추적과 중복 처리 설계가 더 필요합니다. 보안·교통·매장·농업·운전 보조 등 응용에서는 해당 대상의 학습 범위와 실패 조건도 확인해야 합니다.
직접 해 보세요
- conf를 바꿨을 때 물체를 놓치는 경우와 오탐이 어떻게 달라지는지 기록하세요.
이 설명에 이어서 실습하기
예제를 선택하면 바로 아래에서 코드를 수정하고 실행할 수 있습니다. 작성한 코드는 예제별로 저장됩니다.
CODE WORKSPACE
코드를 바꾸는 실습실
실행 엔진은 처음 실행할 때 내려받습니다. 패키지 크기에 따라 최초 준비에 최대 3분이 걸릴 수 있으며 네트워크가 필요합니다. 실행은 최대 30초이며 중지 후 다시 실행할 수 있습니다.
실행할 예제를 선택하세요.
PRACTICE / RETRY / UNDERSTAND
이 주제 연습 문제 0
이 주제와 연결된 문제만 보여 줍니다. 단원 전체 문제는 단원 안내 페이지에서 이어서 풀 수 있습니다.