YOLOv2

YOLO9000으로도 발표된 YOLOv2는 YOLO 계열에 앵커 박스와 패스스루 레이어를 도입한 Darknet-19 탐지기입니다. LibreYOLO는 이를 고정된 추론 전용 전시물로 제공합니다.

작업: detection
크기: t, b at 416 to 608 px
설치: pip install libreyolo
지원 티어: 박물관, v부터 지원. 동결된 전시 모델입니다. 버그만 수정합니다.
업스트림: Joseph Redmon의 YOLOv2, Public domain (Darknet "YOLO LICENSE"). 논문, 소스
라이선스: 코드 MIT, 가중치 Public domain (Darknet "YOLO LICENSE"). 상업적 사용

설치

YOLOv2에는 기본 패키지 외에 추가 항목이 필요하지 않습니다.

bash

pip install libreyolo

예측

이 계열은 추론 전용입니다. train()이 NotImplementedError를 일으키므로 이 페이지에는 학습 절이 없습니다. 예측, 검증, 내보내기는 모두 지원합니다. 가중치는 처음 사용할 때 Hugging Face에서 내려받아 로컬에 캐시됩니다.

Python

from libreyolo import LibreYOLO, SAMPLE_IMAGE model = LibreYOLO("LibreYOLO2b.pt")result = model(SAMPLE_IMAGE, save=True) for box in result.boxes:    print(box.cls, box.conf, box.xyxy)

CLI

libreyolo predict model=LibreYOLO2b.pt source=https://raw.githubusercontent.com/LibreYOLO/libreyolo/release/libreyolo/assets/parkour.jpg save=True

반환되는 Results 객체는 모든 계열에서 동일하므로 다른 탐지기로 바꾸려면 한 줄만 수정하면 됩니다. conf는 신뢰도 임계값을, iou는 NMS 임계값을 필터링하며 region 헤드의 앵커 기반 예측에 적용됩니다. 소스, 스트리밍, 결과 처리는 예측을 참조합니다.

검증

val()은 검증하는 형식의 모든 데이터셋을 대상으로 측정한 정밀도, 재현율, mAP 50, mAP 50-95를 포함하는 metrics/ 키 딕셔너리를 반환합니다.

Python

from libreyolo import LibreYOLO model = LibreYOLO("LibreYOLO2b.pt")metrics = model.val(data="my-dataset.yaml") print(metrics["metrics/mAP50-95"])print(metrics["metrics/mAP50"])

CLI

libreyolo val model=LibreYOLO2b.pt data=my-dataset.yaml

내보내기

작업	ONNX	TorchScript	ExecuTorch	TensorRT	OpenVINO	Paddle	MNN	RKNN	ncnn	TFLite	CoreML	Core AI
Detection	Detection to ONNX: 지원함	Detection to TorchScript: 지원함	Detection to ExecuTorch: 지원함	Detection to TensorRT: 지원함	Detection to OpenVINO: 지원함	Detection to Paddle: 지원하지 않음	Detection to MNN: 지원하지 않음	Detection to RKNN: 지원하지 않음	Detection to ncnn: 지원함	Detection to TFLite: 지원하지 않음	Detection to CoreML: 지원하지 않음	Detection to Core AI: 지원함

내보낸 아티팩트는 파일 접미사에 따라 LibreYOLO()로 다시 불러오므로 .onnx 또는 .engine 파일이 체크포인트처럼 동작하며 동일한 Results를 반환합니다. LibreYOLO를 설치하지 않고 런타임에서 그래프를 직접 실행할 수도 있지만 이 경우 전처리와 후처리를 직접 작성해야 합니다.

Python

from libreyolo import LibreYOLO model = LibreYOLO("LibreYOLO2b.pt")model.export(format="onnx")model.export(format="tensorrt", half=True)

CLI

libreyolo export model=LibreYOLO2b.pt format=onnxlibreyolo export model=LibreYOLO2b.pt format=tensorrt half=True

내보낸 파일 사용하기

from libreyolo import LibreYOLO, SAMPLE_IMAGE # 팩토리는 파일 접미사로 라우팅하므로 내보낸 아티팩트도# 체크포인트처럼 불러오며 동일한 Results 객체를 반환합니다.model = LibreYOLO("LibreYOLO2b.onnx")result = model(SAMPLE_IMAGE) print(result.boxes.xyxy)

체크포인트

이 계열에서 공개된 모든 가중치 파일입니다.

파일	입력(px)	가중치 라이선스
Detection
LibreYOLO2t.pt	416	other
LibreYOLO2b.pt	608	other

위의 모든 파일은 현재 LibreYOLO 조직에 있으며 처음 사용할 때 내려받습니다.

라이선스

내려받는 특정 가중치의 Hugging Face 저장소에서 라이선스를 확인하십시오. LibreYOLO 조직의 모든 체크포인트에는 라이선스가 있으며 한 계열 안에서도 항상 같지는 않습니다. 해당 저장소가 신뢰할 수 있는 기준입니다. 아래 요약은 이 페이지를 마지막으로 검증했을 때 적용된 내용을 설명합니다.

관련 라이선스에 관한 설명이며 법률 자문이 아닙니다. 상업적으로 중요한 사안이라면 라이선스를 직접 읽고 별도의 법률 자문을 받으십시오.

원작: YOLOv2, Joseph Redmon
업스트림 라이선스: Public domain (Darknet "YOLO LICENSE")
업스트림 소스: github.com/pjreddie/darknet
LibreYOLO 코드: MIT
가중치: Public domain (Darknet "YOLO LICENSE"), huggingface.co/LibreYOLO에 다시 게시됨
해석: Darknet's bundled NOTICE quotes its own license in full: "Darknet is public domain. Do whatever you want with it." That covers both the architecture and the pretrained weights LibreYOLO converts from it, with no attribution requirement and no restriction on commercial use. LibreYOLO's own code around this architecture is MIT.