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.

main.py

@@ -1,86 +1,28 @@
-import json
+# 시스템 생성 — 이 파일은 커스텀 UI 입력에 따라 자동 생성됩니다. 직접 수정하지 마세요.
-import math
+
-from pathlib import Path
-from ultralytics import YOLO
-import requests
 import argparse
 
-from clearml import Task  # 1. ClearML 임포트
+from clearml import Task
 
-# 방법 A) 가장 최신 트렌드인 NMS-Free 임베디드 특화 모델 로드
+from start import main
-model = YOLO("./weights/yolo26m.pt")  # Medium 크기 가중치 자동 다운로드
-# 방법 B) 복잡한 구도나 정밀 식별에 강한 어텐션 기반 모델 로드
-# model = YOLO("./weights/yolo12m.pt")
 
 
-
+def init_acai_task(task: Task, output: dict) -> None:
-def xyxy_to_xywh(box: dict) -> dict:
+    """UI output 정의에 맞춰 ClearML 아티팩트를 업로드한다."""
-    x1 = math.floor(box["x1"])
-    y1 = math.floor(box["y1"])
-    x2 = math.ceil(box["x2"])
-    y2 = math.ceil(box["y2"])
-    return {"x": x1, "y": y1, "w": x2 - x1, "h": y2 - y1}
-
-
-def main(image_path: str):
-    # uv run main.py --image_url "https://acai.ketidev.kr:20443/detect/image/202606/20260619_145116_image.jpg"
-    # 이미지 원격 추론 테스트 (COCO 80종 기본 탐지 가능)
-    # results = model("https://acai.ketidev.kr:20443/detect/image/202606/20260619_145116_image.jpg")
-    results = model(image_path)
-
-    result = results[0]
-
-    image_path = Path(result.path)
-    marked_path = image_path.with_name(f"{image_path.stem}_marked{image_path.suffix}")
-    result.save(filename=str(marked_path))
-
-    detections = []
-    for det in result.summary():
-        detections.append({**det, "box": xyxy_to_xywh(det["box"])})
-
-    output = {
-        "path": result.path,
-        "marked_path": str(marked_path),
-        "shape": {"height": result.orig_shape[0], "width": result.orig_shape[1]},
-        "speed_ms": result.speed,
-        "detections": detections,
-        "image_url": image_path,
-    }
-    print(json.dumps(output, indent=2, ensure_ascii=False))
-
-    return output
-
-
-
-
-
-
-task = Task.init(
-    project_name="Normal_Object_Detection", 
-    task_name="model-yolo26-human"
-)
-def init_acai_task(output):
     result_data = {"output": output, "status": "PASS"}
     task.upload_artifact(name="final_result", artifact_object=result_data)
 
+
 if __name__ == "__main__":
     parser = argparse.ArgumentParser()
-    parser.add_argument("--image_url", type=str)
+    parser.add_argument("--image_url", type=str, required=True)
     args = parser.parse_args()
 
-    image_url = args.image_url
+    task = Task.init(
+        project_name="Normal_Object_Detection",
+        task_name="model-yolo26-human",
+    )
+    task.connect(parser)
 
-    if image_url is None:
+    output = main(args.image_url)
-        print("Image path is required")
+    init_acai_task(task, output)
-        exit(1)
-
-    response = requests.get(image_url)
-    response.raise_for_status()
-    image_data = response.content
-    with open("image.jpg", "wb") as f:
-        f.write(image_data)
-    image_path = "image.jpg"
-
-    output = main(image_path)
-    
-    init_acai_task(output)

start.py

@@ -0,0 +1,75 @@
+import argparse
+import json
+import math
+from pathlib import Path
+
+import requests
+from ultralytics import YOLO
+
+# 방법 A) 가장 최신 트렌드인 NMS-Free 임베디드 특화 모델 로드
+model = YOLO("./weights/yolo26m.pt")
+# 방법 B) 복잡한 구도나 정밀 식별에 강한 어텐션 기반 모델 로드
+# model = YOLO("./weights/yolo12m.pt")
+
+
+def xyxy_to_xywh(box: dict) -> dict:
+    x1 = math.floor(box["x1"])
+    y1 = math.floor(box["y1"])
+    x2 = math.ceil(box["x2"])
+    y2 = math.ceil(box["y2"])
+    return {"x": x1, "y": y1, "w": x2 - x1, "h": y2 - y1}
+
+
+def run(image_path: str) -> dict:
+    """이미지 경로를 받아 추론하고 결과 dict를 반환한다."""
+    results = model(image_path)
+    result = results[0]
+
+    image_path_obj = Path(result.path)
+    marked_path = image_path_obj.with_name(
+        f"{image_path_obj.stem}_marked{image_path_obj.suffix}"
+    )
+    result.save(filename=str(marked_path))
+
+    detections = []
+    for det in result.summary():
+        detections.append({**det, "box": xyxy_to_xywh(det["box"])})
+
+    output = {
+        "path": result.path,
+        "marked_path": str(marked_path),
+        "shape": {"height": result.orig_shape[0], "width": result.orig_shape[1]},
+        "speed_ms": result.speed,
+        "detections": detections,
+        "image_url": str(image_path_obj),
+    }
+    return output
+
+
+def download_image(image_url: str, save_path: str = "image.jpg") -> str:
+    """원격 이미지 URL을 로컬 파일로 저장하고 경로를 반환한다."""
+    # 이미지 URL 체크
+    if not image_url.startswith("http"):
+        raise ValueError("Invalid image URL")
+    response = requests.get(image_url)
+    response.raise_for_status()
+    
+    with open(save_path, "wb") as f:
+        f.write(response.content)
+    return save_path
+
+
+def main(image_url: str) -> dict:
+    image_path = download_image(image_url)
+    return run(image_path)
+
+if __name__ == "__main__":
+    # 추론 결과를 출력하기 위한 테스트 코드
+    # uv run start.py --image_url "https://acai.ketidev.kr:20443/detect/image/202606/20260619_145116_image.jpg"
+    parser = argparse.ArgumentParser()
+    parser.add_argument("--image_url", type=str, required=True)
+    args = parser.parse_args()
+
+    output = main(args.image_url)
+
+    print(json.dumps(output, indent=2, ensure_ascii=False))