최근 코딩 공부를 하다보니 CV(Computer Vision)에 관심이 생겼다.
그래서 오늘 해본건 !
YOLOv8을 사용해 행복한 얼굴(happy_face)을 객체 감지(Object Detection)방식으로 학습했다.
물론 기본개념 어떤 분류들이있는지 먼저 공부했다.
객체 분류(Object Classification)
: 이미지 전체가 어떤 클래스인지 분류하는 작업
- 예 : 이 사진은 happy_face 인가? not_happy인가?
- 결과 : 하나의 라벨만 출력
📌 특징
- 위치 정보 X
- 가장 기본적인 CV 태스크
객체 식별(Object Recognition)
: 이미지 속에 어떤 객체가 "존재하는지"를 인식하는 작업, object detection의 개념일부
- 예 : 사진 안에 사람이 있는가? 얼굴이 있는가?
- 결과 : 객체 종류 인식(위치는 없음)
📌 분류와 차이
- 분류는 "전체 이미지"
- 식별은 "이미지 안에 무엇이 있나"
객체 탐지 & 위치 추정(Object Detection & Object Localization)
: 객체의 종류 + 위치(Bounding Box)를 함께 찾는 작업
- 예 : 웃는 얼굴이 어디에 있는지
- 결과 : 클래스 + 박스 좌표
📌 YOLO가 바로 이 작업
📌 이번 프로젝트에서 사용한 방식
객체 분할(Object Segmentation/Instance Segmentation)
: 이미지의 모든 픽셀을 클래스 단위로 분류
- 예 : 얼굴/배경/머리카락 영역을 픽셀 단위로 구분
- 결과 : 같은 클래스는 하나의 영역으로 처리
📌 특징
- 픽셀 단위
- 같은 객체 여러 개여도 하나로 취급
인스턴스 분할(Instance Segmentation)
: 객체 하나하나를 픽셀 단위로 분리
-
예 : 얼굴이 3개 있으면 각 얼굴을 개별 마스크로 분리
-
결과 : 클래스 + 개별 객체 마스크
📌 Semantic Segmentation보다 한 단계 더 정밀
📌 Mask R-CNN, YOLOv8-seg 등 사용
자세 추정(Pose Estimation)
: 사람 또는 객체의 관절·키포인트를 추정하는 작업 ,졸라맨같은거
- 예 : 눈, 코, 입, 어깨, 팔꿈치 위치 추정
- 결과 : 스켈레톤 형태의 포인트
📌 운동 분석, 헬스케어, 모션 캡처에 활용
동영상 분석(Video Analysis)
: 연속된 프레임을 분석해 시간적 변화까지 고려
- 예 : 영상에서 사람 추적, 행동 변화 분석
- 결과 : 프레임 간 객체 추적/이벤트 탐지
📌 이미지 + 시간 개념 추가
행동 인식(Activity Recognition)
: 사람의 동작이나 행동을 인식하는 작업
- 예 : 걷기,뛰기,웃기,넘어지기
- 결과 : 행동 클래스
📌 보안, 헬스케어, 스포츠 분석에 활용
이미지 해상도 개선(Resolution Enhancing)
: 저해상도 이미지를 고해상도로 복원하는 작업
-
예 : 흐릿한 얼굴을 선명하게 복원
-
결과 : 픽셀 품질 향상된 이미지
📌 ESRGAN, Real-ESRGAN 등 사용
📌프로젝트 목표
-
Task : 얼굴 이미지에서 행복한 얼굴 감지
-
Model : YOLOv8(Ultralytics)
-
Labeling Tool : Label Studio
-
환경 : macOS + 가상환경
-
데이터 수 : 이미지 20장 (실습/파이프라인 검증용)
✏️YOLO Object Detection 라벨 형식 이해
YOLO는 이미지마다 txt 라벨 파일 1개를 사용한다.
YOLO 라벨 형식
class_id x_center y_ceter width height
- 좌표는 0~1 사이로 정규화
- class_id는 0부터 시작
- 이번 프로젝트에서는 :
0 = happy_face✏️Label Studio로 라벨링 환경 구성
프로젝트 생성
- Label Studio 실행
- 새 프로젝트 생성
라벨링 인터페이스(XML)설정
Object Detection (Bounding Box)용 XML을 직접 설정했다.
<View>
<Image name="image" value="$image"/>
<RectangleLabels name="label" toName="image">
<Label value="happy_face"/>
</RectangleLabels>
</View>이 설정이 없으면 박스 그리는 도구 자체가 안 뜬다
✏️이미지 Import & 라벨링
- 이미지 20장 업로드
- Label 버틍 클릭 -> 라벨링 화면 진입
- 사각형(Rectangle) 도구로 얼굴 전체에 박스
- 웃는 얼굴이 없는 이미지는 박스 없이 저장
박스가 없는 이미지도 정상적인 데이터
(negative sample 역할)
✏️라벨링 결과(JSON확인)
Label Studio 내부 annotation 결과 예시 :
"result": [
{
"type": "rectanglelabels",
"value": {
"x": 15.36,
"y": 38.23,
"width": 83.23,
"height": 46.77,
"rectanglelabels": ["happy_face"]
}
}
]- 박스 있음
- 라벨 있음
- YOLO 변환 가능
✏️YOLO 형식으로 Export
Label Studio Export 옵션 중에서
선택함.
- 이미지 + 라벨(txt) 함께 다운로드
- YOLOv8 학습에 바로 사용 가능
✏️YOLOv8 학습용 폴더 구조
yolo_dataset/
├── images/
│ ├── train/
│ └── val/
├── labels/
│ ├── train/
│ └── val/
└── data.yaml
- images/val, labels/val 폴더는 비어있어도 반드시 존재해야함.
✏️data.yaml 작성(중요)
path: /Users/admin/yolo_dataset
train: images/train
val: images/val
names:
0: happy_face❗ macOS에서는 경로 앞에 '/' 필수
✏️YOLOv8 학습 실행
❗❗중간에 겪은 주요 에러 & 해결❗❗
- data.yaml 경로 에러
Dataset 'Users/admin/...' does not exist->원인 : 절대경로 '/'누락
- images/val not found 에러
images not found, missing path images/val- 원인 :
- val 폴더 없음
- data.yaml의 path와 실제 폴더 불일치
- 해결 :
mkdir -p images/val labels/val✏️결과 확인
학습 완료 후 :
- loss 정상 감소
- 예측 시 웃는 얼굴에만 박스 생성
- runs 폴더 생성됨
