객체 탐지

분류는 이미지에 무엇이 있는지 답하고, 탐지는 어디에 있는지까지 답합니다 — 모든 객체에 대해 박스 + 클래스 + 신뢰도를 한 번에.

YOLO 계열 탐지기의 동작

• 이미지를 CNN이 한 번에 처리합니다("You Only Look Once") — 로봇의 라이브 카메라에 충분한 속도.
• 네트워크가 곳곳에 박스를 제안하고 점수(클래스+신뢰도)를 매기고, 겹치는 박스는 병합됩니다.
• 프레임당 출력: ball (0.97) at [x, y, w, h] 같은 목록.

탐지에서 행동으로

탐지는 데이터일 뿐이고, 행동은 그 주위의 루프에서 나옵니다:

1. 프레임에서 대상을 탐지한다.
2. 박스 위치를 화면 중앙과 비교한다 → 조향 오차.
3. 박스 크기를 목표 크기와 비교한다 → 거리, 곧 속도.
4. 매 프레임 반복 — 인식 → 제어 루프.

객체 탐지 실습이 만드는 것이 정확히 이것이고, "따라와" 로봇이 살아있어 보이는 이유입니다.

내 탐지기 훈련하기

지도학습 레시피 그대로, 라벨만 더 풍부합니다: 이미지당 클래스 하나가 아니라 박스를 그립니다. 지도학습의 데이터 교훈이 두 배로 적용됩니다 — 박스 품질이 곧 라벨 품질입니다.