YOLOv10 로컬 실행

YOLO는 실시간 객체 탐지를 위한 딥러닝 모델로, 한 번의 신경망 연산으로 이미지 내의 객체를 빠르게 탐지할 수 있는 것이 특징입니다. YOLO 모델에 대한 설명은 이전 포스팅을 참고해주세요. 

YOLOv10 모델 구조

 

아래는 YOLO 모델을 로컬 환경에서 실행하는 코드입니다.

 

1. 가상환경 생성

conda create -n yolov10 python=3.10
conda activate yolov10

 

2. 의존성 패키지 설치

git clone https://github.com/THU-MIG/yolov10.git
cd yolov10
pip install -r requirements.txt
pip install -e .

 

3. 모델 다운로드

• yolov10

!mkdir -p {path}/weights
!wget -P {path}/weights -q https://github.com/THU-MIG/yolov10/releases/download/v1.1/yolov10n.pt
!wget -P {path}/weights -q https://github.com/THU-MIG/yolov10/releases/download/v1.1/yolov10s.pt
!wget -P {path}/weights -q https://github.com/THU-MIG/yolov10/releases/download/v1.1/yolov10m.pt
!wget -P {path}/weights -q https://github.com/THU-MIG/yolov10/releases/download/v1.1/yolov10b.pt
!wget -P {path}/weights -q https://github.com/THU-MIG/yolov10/releases/download/v1.1/yolov10x.pt
!wget -P {path}/weights -q https://github.com/THU-MIG/yolov10/releases/download/v1.1/yolov10l.pt

• yolo-doclaynet

hantian/yolo-doclaynet · Hugging Face

 

4. 환경변수 설정(* 오류 해결)

os.environ['TORCH_FORCE_NO_WEIGHTS_ONLY_LOAD'] = '1'

 

5. 모델 실행

import cv2
import supervision as sv

from ultralytics import YOLOv10

def detect_layout(model_path, img_path):
    model = YOLO(model=model_path)
    image = cv2.imread(img_path)

    results = model(image)[0]
    detections = sv.Detections.from_ultralytics(results)

    bounding_box_annotator = sv.BoundingBoxAnnotator()
    label_annotator = sv.LabelAnnotator()

    annotated_image = bounding_box_annotator.annotate(scene=image, detections=detections)
    annotated_image = label_annotator.annotate(scene=annotated_image, detections=detections)

    sv.plot_image(annotated_image)