Normal Object Detection

YOLO 기반 일반 객체 탐지 스크립트입니다. 원격 이미지 URL을 받아 추론하고, 결과를 JSON으로 출력합니다.

요구 사항

• Python 3.11+
• uv (권장)

설치

uv sync

사용법

uv run start.py --image_url "https://example.com/image.jpg"

• --image_url: 추론할 이미지 URL (필수)
• 모델: weights/yolo26m.pt (Ultralytics YOLO, COCO 80종 탐지)
• 이미지는 image.jpg로 저장되고, 탐지 결과 이미지는 *_marked.jpg로 저장됩니다.

출력

표준 출력으로 JSON이 출력됩니다.

필드	설명
path	입력 이미지 경로
marked_path	바운딩 박스가 그려진 이미지 경로
shape	이미지 크기 (width, height)
speed_ms	추론 속도 (ms)
detections	탐지 객체 목록 (클래스, 신뢰도, xywh 박스)
image_url	이미지 경로

---

ClearML 자동 연동 (시스템 생성)

아래 내용은 커스텀 UI·ClearML Agent 연동 시 시스템이 자동으로 처리하는 부분입니다.
개발자는 start.py만 유지하면 되며, main.py는 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

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)

Agent 머신에는 ClearML 서버 연결 설정이 필요합니다 (clearml-init).

워크플로우

Git 업로드, UI 입력, main.py 생성, ClearML Task/Agent 연동까지의 순차 절차는 WORKFLOW.md를 참고하세요.