# OpenMV

OpenMV 카메라는 이미지 처리 SOC를 사용하여 카메라와 동일한 보드에서 마이크로파이썬 프로그램을 직접 실행하는, 전력 소모가 극히 낮은 카메라-컴퓨트 유닛입니다. 전력은 0.5W 미만을 사용하며, (양자화와 낮은 해상도 사용 시) 최대 약 13fps로 모델을 실행할 수 있습니다.

#### 호환되는 모델 학습하기

OpenMV 배포를 허용하도록 Roboflow 3.0 모델을 학습하세요. 모델은 저전력 SOC에 맞도록 당사의 모델 후처리에서 양자화되고 스케일 조정되므로, 실제 성능은 플랫폼의 지표가 보여주는 것보다 낮을 수 있습니다. 또한 최상의 결과를 위해 해상도를 224 또는 256으로 사용해 주세요(후처리에서 그 해상도로 스케일링합니다).

#### 양자화된 아티팩트 다운로드

deployments 페이지를 사용하여 OpenMV 아티팩트를 다운로드하세요. 이는 다음으로 구성되어야 합니다. `.tflite` 파일이며, OpenMV 장치와 호환됩니다.

<figure><img src="/files/eb573e98b1f7ee2f9817e364128313a35272a838" alt=""><figcaption></figcaption></figure>

<figure><img src="/files/fe2c1576113d1c5e61f76bc4277d871ac4d80976" alt=""><figcaption></figcaption></figure>

#### OpenMV 장치에 모델 배포하기

그다음 다음을 사용할 수 있습니다. [OpenMV IDE](https://openmv.io/pages/download) 를 사용하여 모델을 엣지 디바이스에 배포할 수 있습니다. 방금 다운로드한 모델 가중치와 클래스 목록이 필요하며, 이는 이 [OpenMV의 비디오](https://www.youtube.com/watch?v=aRnn2LeAS4c)에서 언급된 것처럼 roboflow dashboard에서 찾을 수 있습니다. 이 비디오는 다음을 보여줍니다. [예제 스크립트](https://github.com/openmv/openmv/blob/4d7247e11e9f4605802f4e285ac65701a2079b4d/scripts/examples/03-Machine-Learning/00-TensorFlow/yolo_v8_detector.py) 를 통해 OpenMV 장치에서 YOLOv8(Roboflow 3.0) 모델을 실행하는 방법을 보여주며, OpenMV에서 Roboflow 모델로 개발을 시작할 때 출발점으로 사용해야 합니다.


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.roboflow.com/roboflow/roboflow-ko/deploy/sdks/openmv.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.