3-2. 모델 선정

검토 기준

(1) 객체검출 모델과의 호환성

• 해당 모듈은 객체검출 및 트래킹 모델의 끝단에 연결되며, 별도의 AI 모델을 포함하는 구성요소로서 모델 간 상호 호환성을 고려

• 객체검출 모델과의 연동이 가장 용이한 YOLO 기반의 Segmentattion 모델을 중심으로 검토

(2) 모델 구동의 경제성

• 전체 Pipline의 구동에 소요되는 시간단축이 필요하며, 추가적인 성능보완을 목적으로 구축하는 모듈임을 감안하여 자원의 효율적인 활용이 요구됨

• 유사 성능 내에서 데이터 처리 및 모델 구동에 소요되는 자원 최소화 방안 검토

(3) 재현 과정에서의 사용자 편의성

• 향후 연구내용의 재현 및 활용에 있어 사용자가 개발환경 구축과 학습 또는 추론과정을 편리하게 실행할 수 있도록 고려

• 라이브러리 기반으로 간편한 사용이 가능한 모델을 우선 검토

선정 모델

• 상기 검토 기준에 따라, Ultralytics YOLO에서 제공하는 Instance Segmentation Model을 선정함

  • YOLOv8-seg를 중심으로 연구진행

  • https://docs.ultralytics.com/tasks/segment/

  • https://github.com/ultralytics/ultralytics/tree/main/ultralytics/models/yolo/segment

ultralytics/
└── models/
    └── yolo/
        ├── __init__.py
        ├── detect/
        │   ├── __init__.py
        │   ├── predict.py
        │   ├── train.py
        │   └── val.py
        ├── classify/
        │   ├── __init__.py
        │   ├── predict.py
        │   ├── train.py
        │   └── val.py
        └── segment/
            ├── __init__.py
            ├── predict.py
            ├── train.py
            └── val.py

해당 모델의 특성

• 통합 설계로 다중 작업 처리

  • 객체 감지, 분류, 이미지 분할 작업을 단일 프레임워크로 지원하며, 추가 설정 없이 통합 환경에서 간단히 실행 가능

  • 명확한 API 구조와 사전 학습된 가중치 제공으로 개발 초기 진입 장벽을 낮춤

• 유연성과 성능의 조화

  • 경량화된 아키텍처와 확장 가능한 모듈식 설계로 다양한 하드웨어 환경과 복잡한 작업 요구에 대응 가능

  • 작은 모델 크기를 기반으로도 정확도와 효율성을 유지 가능

• 학습 및 추론 최적화

  • 학습 파이프라인에 자동 튜닝 기능과 효율적인 배치 처리를 적용해 메모리 사용량과 속도를 최적화

  • 병렬 연산과 GPU 최적화로 대규모 데이터셋에서도 높은 처리 속도 제공

• 직관적인 시각화 및 디버깅 도구 제공

  • 분할 결과를 직관적으로 확인할 수 있는 시각화 기능과 학습 로그 기록 지원

  • 오류 원인을 탐색할 수 있는 디버깅 도구로 모델 개발 시간을 단축

• 다양한 응용 분야 지원

  • 의료 영상 분석, 자율주행, 드론 감시 등 객체 감지와 분할이 요구되는 다양한 실제 응용 분야에서 유용하게 활용됨

  • 사용자 정의 데이터셋과의 호환성을 통해 특정 도메인에 맞춘 최적화 가능

개발환경 설정

• Python 기반

• 주요구성요소

  • CUDA 11.8 지원 - NVIDIA GPU 가속을 위해 CUDA 11.8 버전 설치 필요

  • PyTorch 스택:

    • PyTorch 2.0.0 (CUDA 11.8 지원 버전)

    • TorchVision 0.15.1 (이미지 처리 라이브러리)

    • TorchAudio 2.0.0 (오디오 처리 라이브러리)

  • Ultralytics - YOLO를 포함한 컴퓨터 비전 작업을 위한 라이브러리 설치 필요

GitHub

.
├── utils
│   ├── segmentation
│   │   ├── README.md
│   │   ├── requirements.txt
│   │   ├── logic_v1.py
│   │   ├── logic_v2.py
│   │   ├── logic_v3.py
│   │   └── yolo_segmentation.py

CLI

https://github.com/DVA-LAB/utils/blob/main/segmentation/requirements.txtgithub.com

pip install -r requirements.txt