컴퓨터 비전

# YOLOv8을 사용한 객체 탐지 예제
# pip install ultralytics opencv-python

from ultralytics import YOLO
import cv2

# YOLOv8 모델 로드 (nano, small, medium, large, xlarge 선택 가능)
model = YOLO('yolov8n.pt')  # 가장 빠른 nano 모델

# 이미지 파일로 객체 탐지
image_path = 'sample.jpg'
results = model(image_path)

# 결과 시각화 및 저장
for result in results:
    # 바운딩 박스 정보
    boxes = result.boxes
    for box in boxes:
        cls = int(box.cls[0])  # 클래스 인덱스
        conf = float(box.conf[0])  # 신뢰도
        label = model.names[cls]  # 클래스 이름
        print(f"탐지: {label} (신뢰도: {conf:.2f})")

    # 결과 이미지 저장
    result.save(filename='result.jpg')

# 실시간 웹캠 객체 탐지
cap = cv2.VideoCapture(0)
while cap.isOpened():
    ret, frame = cap.read()
    if not ret:
        break

    # 추론 수행
    results = model(frame, verbose=False)
    annotated_frame = results[0].plot()  # 결과 시각화

    cv2.imshow('YOLOv8 Detection', annotated_frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

# Vision Transformer를 사용한 이미지 분류
# pip install transformers torch pillow

from transformers import ViTImageProcessor, ViTForImageClassification
from PIL import Image
import torch

# ViT 모델과 프로세서 로드
processor = ViTImageProcessor.from_pretrained('google/vit-base-patch16-224')
model = ViTForImageClassification.from_pretrained('google/vit-base-patch16-224')

# 이미지 로드 및 전처리
image = Image.open('cat.jpg')
inputs = processor(images=image, return_tensors="pt")

# 추론 수행
with torch.no_grad():
    outputs = model(**inputs)
    logits = outputs.logits

# Top-5 예측 결과
probs = torch.softmax(logits, dim=-1)
top5_probs, top5_indices = torch.topk(probs, 5)

print("Top-5 예측 결과:")
for prob, idx in zip(top5_probs[0], top5_indices[0]):
    label = model.config.id2label[idx.item()]
    print(f"  {label}: {prob.item():.4f}")