다중 레이어 객체 탐지

4개의 YOLO11 모델을 계층적으로 활용한 고정밀 객체 검출 시스템

실시간 처리
AI 기반
25% 정확도 향상
GitHub에서 보기 데모 보기

핵심 특징

4-Layer Detection

YOLOv11n, s, m, seg 모델을 계층적으로 활용하여 높은 정확도 달성

Real-time Processing

GPU 가속을 통한 실시간 객체 검출 (20-30 FPS)

Web Interface

드래그 앤 드롭을 지원하는 직관적인 웹 인터페이스

시스템 구조

Layer 1: 빠른 스캔

YOLOv11n을 사용한 초고속 전체 영역 스캔

100+ FPS

Layer 2: 일반 검출

YOLOv11s로 균형잡힌 검출 성능

80+ FPS

Layer 3: 정밀 검출

YOLOv11m으로 작고 겹친 객체 검출

50+ FPS

Layer 4: 세그멘테이션

YOLOv11-seg로 픽셀 단위 분할

60+ FPS

데모

웹 애플리케이션 데모

실제 웹 애플리케이션을 실행하려면 로컬 환경에서 Flask 서버를 구동해야 합니다.

실행 방법:

  1. 저장소 클론: git clone https://github.com/aebonlee/YOLO11_study.git
  2. 의존성 설치: pip install -r requirements.txt
  3. 서버 실행: python app.py
  4. 브라우저에서 접속: http://localhost:5000
Demo Screenshot
상세 문서 보기

프로젝트 문서

README

프로젝트 개요 및 사용법

개발일지

개발 과정 상세 기록

튜토리얼

Jupyter Notebook 학습 자료

설치 가이드

환경 설정 및 문제 해결

프로젝트 통계

8,000+
코드 라인
4
검출 레이어
25%
정확도 향상
1.8s
평균 처리 시간

기술 스택

Python

PyTorch

YOLO11

Flask

JavaScript

CSS3

시작할 준비가 되셨나요?

지금 바로 YOLO11 Multi-Layer Detection System을 경험해보세요

GitHub 저장소 소스코드 다운로드