YOLOv8 Quickstart로 코드 한줄로 테스트 해보기 | docker image 를 사용하여 환경 설정 없이 한번에 | Linux 환경

참조 : https://medium.com/augmented-startups/train-yolov8-on-custom-data-6d28cd348262

Train YOLOv8 on Custom Data?

 

 

YOLOv5 를 개발했던 Ultralytics에서 2023년 1월 10일 기준으로 YOLOv8이 출시되었습니다.
속도와 정확도, 아키텍처 측면에서 상당한 개선을 이루었다고 해서 한번 실행해 보려 합니다.

 

실행 환경 : Linux / docker image 사용 
GPU : Nvidia TITAN RTX

 

출저 : https://github.com/ultralytics/ultralytics

 

 

Docker Image Download

docker pull ultralytics/ultralytics:latest

설치하고 그런거 귀찮으니까 docker image로 다운받았습니다.
docker image pulling 합니다.
용량이 11GB라고 되어있어서, 충분하지 않으신 분들은, cpu 버전으로 다운받으시면 좋을 것 같습니다.

 

Docker Container 생성

docker run -it --shm-size=15G --gpus all --name yolov8 5c6c7241abf8 bash

 

 

Quick Start

yolo task=detect mode=predict model=yolov8m.pt source = "car_example.jpg"

 

간단한 Quickstart 방법으로 test 이미지를 사용하여 yolov8의 성능을 테스트 해 보았습니다.
사용한 모델은 yolov8m.pt ! 다운받지 않아도 자동으로 다운로드 됩니다.

결과는 terminal에 나왔고, 27개의 cars와 1 truck을 찾았다고 하는데, 이미지로 확인하고 싶었습니다.

참고글에는 자동으로 저장이 된다고 하는데, 저장한 곳을 찾을 수가 없어서 찾아보던 중,

save=True 로 하면 된다고 해서 해보았다.

 

 

출저 : google / yolov8l

 

구글링한 사진으로 test진행했고, runs/detect/predict2에 결과가 저장되었습니다.

 

 

출저 : google / yolov8m

yolov8l (large) 모델과 yolov8m 모델과의 차이를 비교해보았습니다.

확실히 Large 모델이 BUS detection을 72% 확률로 잡아내고 있네요.