jun710/deep-tattoo-yolov8

Deep Tattoo - YOLOv8 Instance Segmentation

YOLOv8s-seg 기반 타투 세그멘테이션 모델로, 이미지에서 타투 영역을 정밀하게 검출하고 추출합니다.

모델 정보

v3 Model (Fine-tuned with Manual Labels) - 최신 추천 ⭐⭐⭐

• 파일: yolov8s_tattoo_manual_v3_best.pt
• 성능: 평균 Confidence 0.862 (v2 대비 +14.5%)
• 학습 방법: v2 모델 + 24개 수동 라벨로 Fine-tuning
• 특징:
  • v2 기반 Transfer Learning
  • 수동 라벨링으로 정밀도 대폭 향상
  • 10개 테스트 중 8개에서 더 높은 confidence
  • 일부 이미지에서 더 정밀한 분리 검출
  • 가장 높은 품질의 타투 검출

v2 Model (Filtered Dataset)

• 파일: yolov8s_tattoo_filtered_v2_best.pt
• 성능: Mask mAP50 65.14%, Confidence 0.753
• 학습 데이터: 2,697 images (필터링됨)
• 특징:
  • 얼굴 타투, 복잡한 배경 제외
  • 피부 위 타투 중심 데이터셋
  • 타투 통합 인식 개선

v1 Model (Original Dataset)

• 파일: yolov8s_tattoo_seg_v1_best.pt
• 성능: Test mAP50 57.7%, Confidence 0.658
• 학습 데이터: 4,373 images
• 특징: 많은 데이터이지만 노이즈 포함

성능 비교

버전	학습 데이터	Confidence	Mask mAP50	특징
v3 (Fine-tuned) ⭐	v2 + 24 manual	0.862	-	최고 품질
v2 (Filtered)	2,697 images	0.753	65.14%	필터링됨
v1 (Original)	4,373 images	0.658	54.2%	노이즈 포함

결론:

• v3 모델이 최고 성능 (Confidence 0.862)
• v2 → v3 Fine-tuning으로 +14.5% 개선
• 실제 사용 시 v3 모델 강력 추천

주요 특징

• ✅ YOLOv8s-seg: 11.8M parameters, 39.9 GFLOPs
• ✅ 빠른 추론: ~23ms/image (43 FPS on RTX 2060)
• ✅ 높은 정확도: 평균 Confidence 66.2%
• ✅ 투명 배경 추출: 타투만 분리하여 PNG 저장 가능
• ✅ GPU 가속: CUDA 지원

사용법

설치

pip install ultralytics opencv-python numpy torch

모델 다운로드

from huggingface_hub import hf_hub_download

# v3 모델 다운로드 (최신, 추천) ⭐
model_path = hf_hub_download(
    repo_id="jun710/deep-tattoo-yolov8",
    filename="yolov8s_tattoo_manual_v3_best.pt"
)

# 또는 v2 모델 (대안)
# model_path = hf_hub_download(
#     repo_id="jun710/deep-tattoo-yolov8",
#     filename="yolov8s_tattoo_filtered_v2_best.pt"
# )

추론

from ultralytics import YOLO

# 모델 로드
model = YOLO(model_path)

# 타투 검출
results = model.predict("tattoo_image.jpg", conf=0.25, imgsz=640)

# 결과 표시
results[0].show()

# 마스크 추출
if results[0].masks is not None:
    masks = results[0].masks.data.cpu().numpy()
    print(f"{len(masks)}개 타투 검출됨")

타투만 추출 (투명 배경)

import cv2
import numpy as np

# 예측
results = model.predict("tattoo.jpg", conf=0.25)

# 원본 이미지
img = cv2.imread("tattoo.jpg")
img_rgba = cv2.cvtColor(img, cv2.COLOR_BGR2BGRA)

# 마스크 합치기
combined_mask = np.zeros((img.shape[0], img.shape[1]), dtype=np.uint8)
for mask in results[0].masks.data.cpu().numpy():
    mask_resized = cv2.resize(mask, (img.shape[1], img.shape[0]))
    combined_mask = cv2.bitwise_or(combined_mask, (mask_resized > 0.5).astype(np.uint8))

# 투명 배경 적용
img_rgba[:, :, 3] = combined_mask * 255

# 저장
cv2.imwrite("tattoo_extracted.png", img_rgba)

모델 아키텍처

• 백본: YOLOv8s (CSPDarknet53 변형)
• 헤드: Segmentation Head + Detection Head
• 파라미터: 11.79M
• FLOPs: 39.9G

학습 정보

v2 모델 학습 설정

• Epochs: 300 (Best: 223)
• Batch Size: 16
• Image Size: 640x640
• Optimizer: Adam (lr=0.001, lrf=0.0001)
• Device: CUDA (RTX 2060)
• 학습 시간: 7.9 hours

데이터 증강

• HSV: h=0.03, s=0.7, v=0.4
• Rotation: ±20°
• Scale: 0.5
• Flip LR: 50%
• Mosaic: 100%
• Mixup: 10%

데이터셋 분할

• Train: 2,157 images (80%)
• Valid: 269 images (10%)
• Test: 271 images (10%)

성능 상세

검증 세트 (Epoch 223)

• Mask mAP50: 65.14%
• Mask mAP50-95: 36.7%
• Box mAP50: 71.5%
• Box mAP50-95: 49.9%

테스트 세트

• Mask mAP50: 56.63%
• Mask Precision: 71.94%
• Mask Recall: 51.49%

추론 속도 (RTX 2060)

• Preprocess: 2.1ms
• Inference: 18.9ms
• Postprocess: 1.9ms
• Total: ~23ms/image (43 FPS)

사용 사례

• 타투 디자인 분석
• 의료/법의학 타투 기록
• AR/VR 타투 시뮬레이션
• 타투 제거 전후 비교
• 모바일 앱 통합

제한 사항

• 매우 희미하거나 오래된 타투는 검출이 어려울 수 있음
• 피부색과 매우 유사한 색상의 타투 검출 정확도 낮음
• 복잡한 배경에서 오검출 가능성 (v2에서 개선됨)

권장 사항

Confidence Threshold

• 기본값: 0.25 (균형잡힌 검출)
• 엄격한 검출: 0.5 (오검출 감소)
• 민감한 검출: 0.15 (작은 타투 포함)

입력 이미지

• 해상도: 640px 이상 권장
• 형식: JPG, PNG
• 조명: 균일한 조명 선호
• 배경: 단순한 배경 권장

라이선스

MIT License - 연구 및 상업적 사용 가능

인용

@misc{deep-tattoo-yolov8-2026,
  title={Deep Tattoo: YOLOv8 Instance Segmentation for Tattoo Extraction},
  author={jun710},
  year={2026},
  publisher={Hugging Face},
  howpublished={\url{https://huggingface.co/jun710/deep-tattoo-yolov8}}
}

관련 링크

• GitHub Repository: https://github.com/enjius/deep-tattoo
• YOLOv8 Docs: https://docs.ultralytics.com
• Dataset: Roboflow + Custom labeled data

업데이트 로그

2026-01-20 - v2 Release

• 필터링된 데이터셋으로 재학습
• 얼굴 타투 및 복잡한 배경 제거
• 검증 성능 10.94% 향상
• 타투 통합 인식 개선

2026-01-19 - v1 Release

• 초기 YOLOv8s-seg 모델 릴리스
• 4,373 images로 학습
• Test mAP50: 57.7%