PyTorch 단일 객체 탐지 / Single Object Detection with PyTorch

English summary. An end-to-end single-object detection pipeline in PyTorch — parsing Pascal-VOC-style XML annotations, scaling and drawing bounding boxes, building a custom Dataset/DataLoader, and training a CNN that jointly predicts the bounding box and class.

---

개요

이미지 속 하나의 객체를 탐지(바운딩 박스 + 클래스)하는 딥러닝 파이프라인을 PyTorch로 처음부터 구현한 노트북입니다. YOLO 같은 프레임워크를 쓰지 않고, 어노테이션 파싱부터 모델 학습까지 탐지의 내부 동작을 직접 다룹니다.

파이프라인 (01_object_detection.ipynb)

1. 어노테이션 파싱 — Pascal VOC 형식의 XML에서 바운딩 박스 좌표·라벨 추출
2. 좌표 변환·시각화 — 이미지 리사이즈에 맞춘 Scaled Bounding Box 계산, 박스 그리기
3. 데이터 파이프라인 — 커스텀 Dataset + DataLoader, torchvision.transforms
4. 모델 — CNN 특징 추출 + 바운딩 박스 회귀 + 클래스 분류 헤드
5. 학습·추론 — 손실(위치 + 분류) 결합, tqdm 진행 표시, 예측 박스 시각화

결과 시각화

노트북의 실제 출력입니다.

정답 박스 (Ground Truth)	예측 박스 (Prediction)

객체의 바운딩 박스와 클래스를 예측한 결과입니다.

실행 방법

pip install torch torchvision opencv-python pillow numpy matplotlib torchsummary tqdm
# images.zip(이미지 + XML 어노테이션)을 노트북 경로에 배치 후 실행
jupyter notebook

참고

• YOLO 기반 탐지(별도 과정): yolo-object-detection
• 픽셀 단위 분할: semantic-segmentation

---

NVIDIA AI Academy Seoul 교육과정 실습 — 전체 포트폴리오