YOLOv5를 활용한 이미지 객체 탐지 및 데이터 변환

YOLOv5 소개

YOLO(You Only Look Once)는 실시간 객체 탐지(Object Detection)를 위한 최첨단 딥러닝 모델입니다. YOLOv5는 Ultralytics에서 개발한 YOLO 시리즈의 5번째 버전으로, 이전 버전들의 장점을 계승하면서 성능과 사용성을 크게 개선했습니다.

YOLOv5의 주요 특징

빠른 처리 속도
- 실시간 객체 탐지가 가능한 빠른 추론 속도
- GPU 및 CPU 환경 모두에서 효율적인 성능
높은 정확도
- 다양한 객체 크기에 대한 우수한 탐지 성능
- 복잡한 장면에서도 안정적인 객체 인식
사용 편의성
- PyTorch 기반으로 구현되어 사용이 쉬움
- 풍부한 문서와 커뮤니티 지원
- 다양한 export 형식 지원 (ONNX, TensorRT 등)
다양한 모델 크기
- YOLOv5n (nano): 가장 작은 모델
- YOLOv5s (small): 작은 모델
- YOLOv5m (medium): 중간 크기 모델
- YOLOv5l (large): 큰 모델
- YOLOv5x (xlarge): 가장 큰 모델

객체 탐지 워크플로우

1. 이미지 객체 탐지

import torch

# YOLOv5 모델 로드
model = torch.hub.load('ultralytics/yolov5', 'yolov5s')

# 이미지에서 객체 탐지
results = model('image.jpg')

# 결과 추출
detections = results.pandas().xyxy[0]  # 바운딩 박스 좌표

2. JSON 데이터 생성

탐지된 객체 정보를 JSON 형식으로 변환하는 예시:

import json

def create_detection_json(detections):
    json_data = {
        "objects": []
    }
    
    for _, detection in detections.iterrows():
        object_info = {
            "class": detection["name"],
            "confidence": float(detection["confidence"]),
            "bbox": {
                "xmin": float(detection["xmin"]),
                "ymin": float(detection["ymin"]),
                "xmax": float(detection["xmax"]),
                "ymax": float(detection["ymax"])
            }
        }
        json_data["objects"].append(object_info)
    
    return json_data

3. XML 변환

JSON 데이터를 XML 형식으로 변환하는 예시:

import dicttoxml
from xml.dom.minidom import parseString

def json_to_xml(json_data):
    xml = dicttoxml.dicttoxml(json_data)
    dom = parseString(xml)
    return dom.toprettyxml()