中文 | 한국어 | 日本語 | Русский | Deutsch | Français | Español | Português | Türkçe | Tiếng Việt | العربية

홈

최신 버전의 실시간 객체 감지 및 이미지 분할 모델인 Ultralytics YOLO11을 소개합니다. YOLO11은 최첨단 딥러닝 및 컴퓨터 비전 기술 발전을 기반으로 구축되어 속도와 정확성 면에서 탁월한 성능을 제공합니다. 간소화된 디자인 덕분에 엣지 장치에서 클라우드 API에 이르기까지 다양한 애플리케이션에 적합하며 다양한 하드웨어 플랫폼에 쉽게 적용할 수 있습니다.

Ultralytics Docs를 살펴보세요. 이 포괄적인 리소스는 Ultralytics의 기능과 성능을 이해하고 활용할 수 있도록 설계되었습니다. 숙련된 머신 러닝 전문가이든 이 분야를 처음 접하는 사람이든, 이 허브는 프로젝트에서 YOLO의 잠재력을 극대화하는 것을 목표로 합니다.

시작하기

참고: 사용자 정의 데이터 세트에서 YOLO11 모델을 훈련하는 방법 Google Colab.

YOLO: 간략한 역사

YOLO(You Only Look Once)는 널리 사용되는 객체 감지 및 이미지 분할 모델로, 워싱턴 대학교의 Joseph Redmon과 Ali Farhadi가 개발했습니다. 2015년에 출시된 YOLO는 빠른 속도와 정확성으로 인기를 얻었습니다.

• 2016년에 출시된 YOLOv2는 배치 정규화, 앵커 박스 및 차원 클러스터를 통합하여 원래 모델을 개선했습니다.
• 2018년에 출시된 YOLOv3는 더욱 효율적인 백본 네트워크, 다중 앵커 및 공간 피라미드 풀링을 사용하여 모델의 성능을 더욱 향상시켰습니다.
• YOLOv4는 2020년에 Mosaic 데이터 증강, 새로운 앵커 프리 감지 헤드 및 새로운 손실 함수와 같은 혁신을 도입했습니다.
• YOLOv5는 모델의 성능을 더욱 개선하고 하이퍼파라미터 최적화, 통합 실험 추적, 널리 사용되는 내보내기 형식으로의 자동 내보내기 등의 새로운 기능을 추가했습니다.
• YOLOv6는 2022년에 Meituan에 의해 오픈 소스화되었으며, 회사의 많은 자율 배달 로봇에 사용됩니다.
• YOLOv7은 COCO 키포인트 데이터 세트에서 포즈 추정과 같은 추가 작업을 수행했습니다.
• YOLOv8은(는) 2023년에 Ultralytics에서 출시되었으며, 향상된 성능, 유연성 및 효율성을 위해 새로운 기능과 개선 사항을 도입하여 모든 범위의 비전 AI 작업을 지원합니다.
• YOLOv9는 PGI(Programmable Gradient Information) 및 GELAN(Generalized Efficient Layer Aggregation Network)과 같은 혁신적인 방법을 도입했습니다.
• 칭화대학교 연구진이 Ultralytics Python 패키지를 사용하여 개발한 YOLOv10은 Non-Maximum Suppression (NMS) 요구 사항을 제거하는 End-to-End 헤드를 도입하여 실시간 객체 감지 발전을 제공합니다.
• YOLO11 🚀 NEW: Ultralytics의 최신 YOLO 모델은 객체 감지, 분할, 포즈 추정, 추적 및 분류를 포함한 여러 작업에서 최첨단(SOTA) 성능을 제공하여 다양한 AI 애플리케이션 및 도메인에서 기능을 활용합니다.

YOLO 라이선스: Ultralytics YOLO 라이선스는 어떻게 되나요?

Ultralytics는 다양한 사용 사례를 수용하기 위해 두 가지 라이선스 옵션을 제공합니다.

• AGPL-3.0 라이선스: 이 OSI 승인 오픈 소스 라이선스는 학생과 매니아에게 적합하며, 개방형 협업과 지식 공유를 장려합니다. 자세한 내용은 LICENSE 파일을 참조하십시오.
• Enterprise 라이선스: 상업적 용도로 설계된 이 라이선스는 AGPL-3.0의 오픈 소스 요구 사항을 우회하여 Ultralytics 소프트웨어 및 AI 모델을 상업 제품 및 서비스에 원활하게 통합할 수 있도록 허용합니다. 당사의 솔루션을 상업적 제품에 포함하는 경우 Ultralytics 라이선스를 통해 문의하십시오.

당사의 라이선스 전략은 오픈 소스 프로젝트에 대한 모든 개선 사항이 커뮤니티에 반환되도록 설계되었습니다. 우리는 오픈 소스의 원칙을 소중히 여기며 ❤️, 우리의 기여가 모든 사람에게 유익한 방식으로 활용되고 확장될 수 있도록 보장하는 것이 우리의 목표입니다.

객체 감지의 진화

객체 감지는 전통적인 컴퓨터 비전 기술에서 고급 딥 러닝 모델에 이르기까지 수년에 걸쳐 크게 발전했습니다. YOLO 모델 제품군은 이러한 발전의 최전선에 있었으며 실시간 객체 감지에서 가능한 것의 경계를 지속적으로 확장하고 있습니다.

YOLO의 고유한 접근 방식은 객체 감지를 단일 회귀 문제로 취급하여 한 번의 평가에서 전체 이미지에서 직접 경계 상자와 클래스 확률을 예측합니다. 이 혁신적인 방법은 YOLO 모델을 이전의 2단계 감지기보다 훨씬 빠르게 만들면서도 높은 정확도를 유지합니다.

YOLO는 새로운 버전이 나올 때마다 아키텍처 개선과 혁신적인 기술을 도입하여 다양한 지표에서 성능을 향상시켰습니다. YOLO11은 컴퓨터 비전 연구의 최신 발전을 통합하여 실제 애플리케이션에서 훨씬 더 나은 속도-정확도 균형을 제공함으로써 이러한 전통을 이어갑니다.

FAQ

Ultralytics YOLO는 무엇이며 어떻게 객체 탐지를 개선합니까?

Ultralytics YOLO는 실시간 객체 감지 및 이미지 분할을 위한 유명한 YOLO (You Only Look Once) 시리즈의 최신 기술입니다. 향상된 성능, 유연성 및 효율성을 위해 새로운 기능과 개선 사항을 도입하여 이전 버전을 기반으로 합니다. YOLO는 감지, 분할, 포즈 추정, 추적 및 분류와 같은 다양한 비전 AI 작업을 지원합니다. 최첨단 아키텍처는 뛰어난 속도와 정확성을 보장하여 에지 장치 및 클라우드 API를 포함한 다양한 애플리케이션에 적합합니다.

YOLO 설치 및 설정을 시작하려면 어떻게 해야 합니까?

YOLO 시작하기는 빠르고 간단합니다. pip를 사용하여 Ultralytics 패키지를 설치하고 몇 분 안에 시작할 수 있습니다. 다음은 기본적인 설치 명령입니다.

pip install ultralytics

자세한 단계별 가이드는 Quickstart 페이지를 참조하세요. 이 리소스는 설치 지침, 초기 설정 및 첫 번째 모델 실행에 도움이 될 것입니다.

내 데이터 세트에 사용자 정의 YOLO 모델을 훈련하려면 어떻게 해야 합니까?

데이터 세트에서 사용자 정의 YOLO 모델을 훈련하려면 몇 가지 자세한 단계가 필요합니다.

1. 어노테이션된 데이터 세트를 준비합니다.
2. YAML 파일에서 훈련 파라미터를 구성합니다.
3. 다음을 사용하여 yolo TASK train 명령을 사용하여 훈련을 시작합니다. (각각 TASK 자체 인수를 가집니다.)

다음은 객체 감지 작업에 대한 예제 코드입니다.

from ultralytics import YOLO

# Load a pre-trained YOLO model (you can choose n, s, m, l, or x versions)
model = YOLO("yolo11n.pt")

# Start training on your custom dataset
model.train(data="path/to/dataset.yaml", epochs=100, imgsz=640)

# Train a YOLO model from the command line
yolo detect train data=path/to/dataset.yaml epochs=100 imgsz=640

자세한 내용은 훈련 프로세스 최적화를 위한 예제와 팁이 포함된 모델 훈련 가이드를 확인하십시오.

Ultralytics YOLO에 사용할 수 있는 라이선스 옵션은 무엇입니까?

Ultralytics는 YOLO에 대해 두 가지 라이선스 옵션을 제공합니다.

• AGPL-3.0 라이선스: 이 오픈 소스 라이선스는 교육 및 비상업적 용도에 적합하며 개방형 협업을 장려합니다.
• Enterprise 라이선스: 상업용 애플리케이션을 위해 설계되었으며 AGPL-3.0 라이선스의 제한 없이 Ultralytics 소프트웨어를 상업용 제품에 원활하게 통합할 수 있습니다.

자세한 내용은 라이선스 페이지를 참조하십시오.

Ultralytics YOLO를 실시간 객체 추적에 어떻게 사용할 수 있습니까?

Ultralytics YOLO는 효율적이고 사용자 정의 가능한 다중 객체 추적을 지원합니다. 추적 기능을 활용하려면 다음을 사용할 수 있습니다. yolo track 명령어는 다음과 같습니다:

from ultralytics import YOLO

# Load a pre-trained YOLO model
model = YOLO("yolo11n.pt")

# Start tracking objects in a video
# You can also use live video streams or webcam input
model.track(source="path/to/video.mp4")

# Perform object tracking on a video from the command line
# You can specify different sources like webcam (0) or RTSP streams
yolo track source=path/to/video.mp4

객체 추적 설정 및 실행에 대한 자세한 가이드는 Track Mode 문서를 확인하십시오. 실시간 시나리오에서의 구성 및 실제 적용에 대해 설명합니다.

📅 1년 전에 생성됨 ✏️ 5일 전에 업데이트됨

댓글