中文 · 한국어 · 日本語 · Русский · Deutsch · Français · Español · Português · Türkçe · Tiếng Việt · العربية
Ultralytics YOLO 문서#
Ultralytics YOLO는 객체 검출, 인스턴스 세그멘테이션, 시맨틱 세그멘테이션, 깊이 추정, 분류, 포즈 추정, 회전된 경계 박스 및 트래킹을 지원하는 실시간 컴퓨터 비전 모델 패밀리로, 단일 Python 패키지와 CLI를 통해 사용할 수 있습니다. YOLO26은 딥러닝과 컴퓨터 비전의 발전을 바탕으로 구축되었으며, 엔드투엔드 NMS 프리 추론과 최적화된 엣지 배포 기능을 제공합니다. 간소화된 설계 덕분에 다양한 애플리케이션에 적합하며, 엣지 디바이스부터 클라우드 API까지 다양한 하드웨어 플랫폼에 쉽게 적응할 수 있습니다. 안정적인 프로덕션 워크로드에는 YOLO26과 YOLO11 모두 권장됩니다.
YOLO 패키지 및 CLI는 물론 동일한 모델을 바탕으로 데이터 어노테이션, 클라우드 학습, 배포 기능을 제공하는 Ultralytics Platform까지 포괄적으로 다루는 종합 리소스인 Ultralytics Docs를 살펴보세요. 숙련된 머신러닝 전문가이든 이 분야를 처음 접하는 사람이든, 이러한 리소스는 프로젝트에서 YOLO를 최대한 활용하는 데 도움을 줍니다.
상업적 용도의 엔터프라이즈 라이선스를 Ultralytics Licensing에서 요청하세요.
더 큰 교사 모델의 지도를 받아 더 작은 YOLO 모델을 학습시키세요. 추가적인 추론 비용 없이 정확도를 향상시킬 수 있습니다.
두 가지 명령어로 시작하기#
# Install the ultralytics package from PyPI
pip install ultralytics
# Detect objects in an image with a pretrained YOLO26 model
yolo predict model=yolo26n.pt source='https://github.com/ultralytics/assets/releases/download/v0.0.0/bus.jpg'모델 가중치와 예제 이미지가 자동으로 다운로드되며, 어노테이션된 결과가 runs/detect/predict에 저장됩니다.
전체 설치 및 사용법 레퍼런스는 Quickstart 가이드를 참조하세요.
무엇을 하고 싶으신가요?#
이 문서의 구성 방식#
대부분의 모델 워크플로 yolo 명령어는 yolo [TASK] MODE ARGS이라는 하나의 문법을 따릅니다. 여기서 Task는 선택 사항이며, 이 문서는 동일한 세 가지 부분과 하나의 바로 가기로 구성되어 있습니다.
- **Task**는 이미지에서 원하는 것이 무엇인지를 나타냅니다(detection, instance segmentation, semantic segmentation, depth estimation, classification, pose estimation 또는 oriented boxes).
- **Mode**는 모델을 사용하는 방식을 나타냅니다(train, validate, predict, export, track 또는 benchmark).
- **Args**는 명령어 설정부터
model=를 통해 실행할 model, 그리고epochs및imgsz와 같은 하이퍼파라미터까지 구성합니다. - **Solutions**는 Task와 Mode 단계를 완전히 건너뛰는 객체 카운팅이나 보안 경보와 같은 완성된 애플리케이션 바로 가기입니다.
나머지 모든 내용은 이 문법을 지원합니다. Models는 model=에 전달할 수 있는 모든 아키텍처(YOLO26, YOLO11, SAM 3, RT-DETR 등)를 나열하고, Datasets은 각 Task가 학습하는 데이터를 제공하며, Guides는 하드웨어 배포, 하이퍼파라미터 튜닝, 데이터셋 변환, 전체 프로젝트 가이드를 아우르는 심층적인 노하우 모음이며, Integrations는 파이프라인을 이미 사용 중인 학습 및 배포 도구와 연결하고, Reference 섹션은 Python API의 모든 클래스와 함수를 문서화합니다.
Python 패키지 외에도 동일한 모델을 기반으로 실행되는 두 가지 플랫폼이 더 있습니다. 클라우드 어노테이션, 학습, 배포를 위한 Ultralytics Platform과 Python 런타임 없이 내보낸 모델을 실행하기 위한 독립형 Rust 라이브러리 및 CLI인 Ultralytics Inference입니다.
YOLO 라이선스: Ultralytics YOLO는 어떻게 라이선스가 부여됩니까?#
Ultralytics는 다양한 사용 사례를 수용하기 위해 두 가지 라이선스 옵션을 제공합니다:
- AGPL-3.0 License: 이 OSI 승인 오픈소스 라이선스는 학생과 엔루시아스틱 사용자에게 이상적이며, 개방형 협업과 지식 공유를 촉진합니다. 자세한 내용은 LICENSE 파일을 참조하세요.
- Enterprise License: 개발 및 프로덕션 용도를 위한 이 라이선스는 AGPL-3.0의 오픈소스 요구사항을 우회하여 내부 도구, 자동화된 워크플로, 프로덕션 배포를 포함한 비즈니스 제품 및 서비스에 Ultralytics 소프트웨어와 AI 모델을 원활하게 통합할 수 있도록 지원합니다. 시작하려면 Ultralytics Licensing을 통해 문의해 주세요.
당사의 라이선스 전략은 오픈 소스 프로젝트에 대한 모든 개선 사항이 커뮤니티로 환원되도록 보장하기 위해 설계되었습니다. 우리는 오픈 소스를 신뢰하며, 우리의 기여가 모든 사람에게 이익이 되는 방식으로 사용되고 확장될 수 있도록 보장하는 것을 사명으로 합니다.
FAQ#
Ultralytics YOLO란 무엇이며 객체 탐지를 어떻게 개선합니까?#
Ultralytics YOLO는 실시간 객체 검출 및 이미지 세그멘테이션을 위한 찬사를 받은 YOLO (You Only Look Once) 시리즈입니다. 최신 모델인 YOLO26은 엔드투엔드 NMS-free 추론과 최적화된 엣지 배포를 도입하여 이전 버전을 기반으로 발전했습니다. YOLO는 detection, instance segmentation, semantic segmentation, depth estimation, classification, pose estimation, tracking과 같은 다양한 vision AI tasks를 지원합니다. 효율적인 아키텍처는 뛰어난 속도와 정확도를 보장하여 엣지 디바이스와 클라우드 API를 포함한 다양한 애플리케이션에 적합합니다.
YOLO 설치 및 설정을 어떻게 시작할 수 있습니까?#
YOLO를 시작하는 것은 빠르고 간단합니다. pip를 통해 pip install ultralytics 명령어로 Ultralytics 패키지를 설치한 다음, yolo predict model=yolo26n.pt로 첫 번째 예측을 실행하세요. 모델 가중치가 자동으로 다운로드됩니다. conda, Docker 및 소스 설치를 다루는 종합적인 지침은 Quickstart 페이지를 방문하세요.
데이터셋으로 커스텀 YOLO 모델을 어떻게 학습시킬 수 있습니까?#
데이터셋으로 커스텀 YOLO 모델을 학습시키는 과정에는 몇 가지 세부적인 단계가 포함됩니다:
- 주석이 달린 데이터셋을 준비하고 데이터셋 YAML 파일에 설명하십시오.
- Python에서 사전 학습된 모델(예:
YOLO("yolo26n.pt"))을 로드합니다. model.train(data="path/to/dataset.yaml", epochs=100, imgsz=640)을 사용하거나 명령줄에서yolo detect train data=path/to/dataset.yaml epochs=100 imgsz=640을 사용하여 학습을 시작합니다.
자세한 단계별 안내는 학습 프로세스 최적화를 위한 예제와 팁이 포함된 Train a Model 가이드를 확인하세요.
Ultralytics YOLO에서 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 용도로 이상적이며, 개방형 협업을 장려합니다.
- 엔터프라이즈 라이선스: AGPL-3.0의 오픈 소스 요구 사항을 우회하여 내부 도구, 자동화된 워크플로 및 프로덕션 배포를 포함한 개발 및 프로덕션 사용을 위한 것입니다.
자세한 내용은 Licensing 페이지를 방문해 주세요.
Ultralytics YOLO를 실시간 객체 추적에 어떻게 사용할 수 있습니까?#
Ultralytics YOLO는 효율적이고 사용자 지정 가능한 다중 객체 트래킹을 지원합니다. Python에서 YOLO("yolo26n.pt").track(source="path/to/video.mp4")을 호출하거나 명령줄에서 yolo track source=path/to/video.mp4을 실행하면 비디오 파일, 라이브 스트림, 웹캠 입력 모두에서 작동합니다. 객체 트래킹 설정 및 실행에 대한 자세한 가이드는 실시간 시나리오에서의 설정 및 실제 애플리케이션을 설명하는 Track Mode 문서를 확인하세요.
