dk - edit

README.md

@@ -1,6 +1,6 @@
 # Normal Object Detection
 
-YOLO 기반 일반 객체 탐지 스크립트입니다. 원격 이미지 URL을 받아 추론하고, 결과를 JSON으로 출력하며 ClearML에 기록합니다.
+YOLO 기반 일반 객체 탐지 스크립트입니다. 원격 이미지 URL을 받아 추론하고, 결과를 JSON으로 출력합니다.
 
 ## 요구 사항
 
@@ -16,7 +16,7 @@ uv sync
 ## 사용법
 
 ```bash
-uv run main.py --image_url "https://example.com/image.jpg"
+uv run start.py --image_url "https://example.com/image.jpg"
 ```
 
 - `--image_url`: 추론할 이미지 URL (필수)
@@ -36,12 +36,34 @@ uv run main.py --image_url "https://example.com/image.jpg"
 | `detections` | 탐지 객체 목록 (클래스, 신뢰도, `xywh` 박스) |
 | `image_url` | 이미지 경로 |
 
-## ClearML
+---
 
-스크립트 실행 시 ClearML Task가 초기화되고, 추론 완료 후 결과가 아티팩트로 업로드됩니다.
+## ClearML 자동 연동 (시스템 생성)
+
+> 아래 내용은 커스텀 UI·ClearML Agent 연동 시 **시스템이 자동으로 처리**하는 부분입니다.  
+> 개발자는 `start.py`만 유지하면 되며, `main.py`는 UI 입력에 따라 자동 생성됩니다.
+
+### 파일 역할
+
+| 파일 | 역할 | 관리 |
+|------|------|------|
+| `start.py` | 추론·결과 처리 (`main(image_url)`) | 개발자가 Git에 커밋 |
+| `main.py` | ClearML Task 초기화, input/output 연동 | 시스템이 자동 생성 |
+
+### Agent 실행
+
+```bash
+uv run main.py --image_url "https://example.com/image.jpg"
+```
+
+실행 시 ClearML Task가 초기화되고, `start.main()` 결과가 아티팩트로 업로드됩니다.
 
 - **Project**: `Normal_Object_Detection`
 - **Task**: `model-yolo26-human`
 - **Artifact**: `final_result` (`output`, `status: PASS`)
 
-ClearML 서버 연결 설정이 필요합니다 (`clearml-init`).
+Agent 머신에는 ClearML 서버 연결 설정이 필요합니다 (`clearml-init`).
+
+### 워크플로우
+
+Git 업로드, UI 입력, `main.py` 생성, ClearML Task/Agent 연동까지의 순차 절차는 [WORKFLOW.md](./WORKFLOW.md)를 참고하세요.