cvat to nuclio

1. CVAT 소스 코드 준비 및 환경 설정

이 단계는 CVAT 소스를 받고, 포트 충돌 및 환경 설정을 완료하는 과정입니다.

순서	명령어 및 작업 내용
1. 소스 코드 다운로드	git clone https://github.com/opencv/cvat.git
	cd cvat
2. DB 포트 수정 (5433 고정)	docker-compose.yml 파일을 열어 cvat_db 서비스의 포트를 **5433:5432**로 변경
	docker-compose.dev.yml 파일을 열어 cvat_db 서비스의 포트를 **127.0.0.1:5433:5432**로 변경
3. Nuclio CLI 환경 준비	다운로드한 nuctl 파일을 **nuctl.exe**로 변경하여 현재 CVAT 폴더에 배치

nuclio 설치 github 주소
https://github.com/nuclio/nuclio/releases?page=7

---

2. CVAT 및 Nuclio 컨테이너 실행

포트 수정이 완료되었다면, 모든 필수 컨테이너(CVAT, DB, Nuclio)를 실행합니다.

A. 컨테이너 실행 명령어

docker-compose -f docker-compose.yml -f docker-compose.dev.yml -f components/serverless/docker-compose.serverless.yml up -d

(성공 로그: [+] Running 19/19와 모든 컨테이너가 Running 상태여야 합니다.)

B. 서비스 접속 확인

이 단계가 성공하면 웹 브라우저를 통해 서비스에 접속합니다.

1. CVAT 웹 UI: http://localhost:8080
2. Nuclio Dashboard: http://localhost:8070

---

3. GPU 오토 라벨링 모델 배포 (웹 UI 이용) 🚀

스크립트 실행 문제(MinGW 환경의 한계)를 우회하여, 웹 UI에서 직접 GPU 모델을 배포합니다.

A. Nuclio 프로젝트 생성 및 모델 업로드

1. Nuclio Dashboard (http://localhost:8070)에 접속합니다.
2. "Projects" 탭에서 cvat 이름의 새 프로젝트를 수동으로 생성합니다.
3. **"Deploy Function"**을 클릭하고 **"Upload a function configuration file"**을 선택합니다.
4. 로컬 PC의 다음 경로에 있는 function-gpu.yaml 파일을 찾아 업로드합니다:
   • 경로: serverless/openvino/omz/public/yolo-v3-tf/nuclio/function-gpu.yaml
5. **"Deploy"**를 클릭하여 모델 배포를 시작합니다.
   *(Nuclio UI에서 해당 함수 상태가 **"Ready"*가 되면 배포 성공)

B. CVAT 웹 UI에서 오토 라벨링 사용

1. CVAT UI (http://localhost:8080)에 접속합니다.
2. Models 탭에서 배포된 YOLOv3 모델을 확인합니다.
3. Tasks에서 새 작업을 만들고, Automatic annotation 기능에서 YOLOv3 모델을 선택하여 GPU 가속 라벨링을 시작합니다.