ultralytics/yolov3

📦 Ultralytics YOLOv3 는 무엇인가요?

Ultralytics YOLOv3 는 고전적인 YOLOv3 객체 탐지 모델의 오픈소스 PyTorch 구현입니다. 자체 데이터 또는 COCO 벤치마크에서 YOLOv3, YOLOv3‑SPP, YOLOv3‑tiny 의 세 가지 완성된 변형을 학습, 검증, 추론, 내보내기 할 수 있습니다.

---

🚀 주요 기능 (README에 설명됨)

기능	세부 정보
실시간 단계 탐지	한 번의 순전파로 경계 상자와 클래스 확률을 생성합니다.
세 가지 모델 크기	• YOLOv3 – 완전한 Darknet‑53 백본 (최적의 속도/정확도 균형)
• YOLOv3‑SPP – 공간 피라미드 풀링을 추가하여 정확도 약간 향상
• YOLOv3‑tiny – 가벼운 두 가지 스케일 모델로 CPU/에지 장치에 적합.
다중 스케일 예측	세 가지 특징 맵 스케일을 통해 소형, 중형, 대형 객체 탐지.
다중 레이블 지원	독립적인 로지스틱 분류기로 겹치는 클래스 레이블 허용.
다양한 형식으로 내보내기	export.py 를 통해 TorchScript, ONNX, OpenVINO, TensorRT, CoreML, PaddlePaddle 지원.
통합 기능	Weights & Biases, Comet ML, Roboflow, Intel OpenVINO, 클라우드 노트북 (Colab, Kaggle, Gradient, Docker, SageMaker, GCP 등)과 호환.
사전 학습된 COCO 체크포인트	자동 다운로드 (yolov3.pt, yolov3‑spp.pt, yolov3‑tiny.pt).
학습 유틸리티	train.py, val.py, detect.py 스크립트; 하이퍼파라미터 튜닝, 멀티 GPU, 테스트 시 증강, 앙상블.

---

🛠️ 시작하기 (README의 빠른 시작)

# 복제 및 설치
git clone https://github.com/ultralytics/yolov3
cd yolov3
pip install -r requirements.txt   # Python ≥3.8, PyTorch ≥1.8

PyTorch Hub를 통한 추론

import torch
model = torch.hub.load('ultralytics/yolov3', 'yolov3', pretrained=True)  # 또는 yolov3_spp / yolov3_tiny
results = model('https://ultralytics.com/images/zidane.jpg')
results.print()   # 콘솔 출력
results.show()    # 팝업 창
results.save()    # runs/detect/exp에 저장

포함된 스크립트로 추론

python detect.py --weights yolov3.pt --source 0          # 웹캠
python detect.py --weights yolov3.pt --source img.jpg    # 단일 이미지
python detect.py --weights yolov3.pt --source vid.mp4    # 비디오 파일

COCO에서 학습 (--weights ''로 시작)

python train.py --data coco.yaml --epochs 300 --weights '' \
    --cfg yolov3.yaml      --batch-size 32   # 전체 모델
python train.py --data coco.yaml --epochs 300 --weights '' \
    --cfg yolov3-tiny.yaml --batch-size 64   # 타이니 모델

검증 및 내보내기:

python val.py --weights yolov3.pt --data coco.yaml
python export.py --weights yolov3.pt --include onnx   # torchscript, openvino 등 추가 가능

---

📚 문서 및 도움말

• 전체 문서: https://docs.ultralytics.com/models/yolov3
• README에 링크된 튜토리얼 (커스텀 데이터, 멀티 GPU, TTA, 앙상블, 하이퍼파라미터 튜닝 등).
• GitHub Issues, Discord, Reddit, Ultralytics 포럼을 통한 커뮤니티 지원.

---

📄 라이선스

• AGPL‑3.0：오픈소스 사용 (연구, 비상업적 목적).
• 엔터프라이즈 라이선스：상업 제품용으로 제공.

---

🎯 누구에게 적합한가요?

• 객체 탐지의 명확한 기준 모델이 필요한 연구자.
• GPU, CPU, 또는 에지 장치에서 실시간 탐지 앱을 개발하는 개발자.
• 하나의 코드베이스로 학습, 추론, 배포 형식으로 내보내기를 통합하고 싶은 팀.

---

• 위의 모든 정보는 리포지토리의 README에서 직접 가져온 것이며, 추가 기능은 추측되지 않았습니다.*