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

홈

실시간 객체 탐지 및 이미지 세그멘테이션 분야에서 찬사를 받는 최신 모델인 Ultralytics YOLO26을 소개합니다. YOLO26은 딥러닝 및 컴퓨터 비전 기술의 발전을 기반으로 구축되었으며, 종단간 NMS-free 추론과 최적화된 에지 배포 기능을 제공합니다. 효율적인 디자인 덕분에 에지 디바이스부터 클라우드 API에 이르기까지 다양한 애플리케이션과 하드웨어 플랫폼에 쉽게 적응할 수 있습니다. 안정적인 프로덕션 워크로드에는 YOLO26과 YOLO11 모두를 권장합니다.

Ultralytics의 기능을 이해하고 활용하는 데 도움을 주도록 설계된 포괄적인 리소스인 Ultralytics 문서를 살펴보십시오. 숙련된 머신러닝 전문가이든 이 분야의 초보자이든, 이 허브는 프로젝트에서 YOLO의 잠재력을 극대화하는 것을 목표로 합니다.

상업적 용도를 위한 Enterprise 라이선스는 Ultralytics 라이선스에서 요청하실 수 있습니다.

시작하기

YOLO: 간략한 역사

YOLO (You Only Look Once), a popular object detection and image segmentation model, was developed by Joseph Redmon and Ali Farhadi at the University of Washington. Launched in 2015, YOLO gained popularity for its high speed and accuracy.

• 2016년에 출시된 YOLOv2는 배치 정규화(batch normalization), 앵커 박스, 디멘션 클러스터를 도입하여 기존 모델을 개선했습니다.
• 2018년에 출시된 YOLOv3는 더 효율적인 백본 네트워크, 다중 앵커, 공간 피라미드 풀링을 사용하여 모델의 성능을 더욱 향상시켰습니다.
• YOLOv4는 2020년에 출시되었으며, Mosaic 데이터 증강, 새로운 앵커 프리 탐지 헤드, 새로운 손실 함수와 같은 혁신적인 기술을 도입했습니다.
• YOLOv5는 모델의 성능을 추가로 향상시켰으며, 하이퍼파라미터 최적화, 통합 실험 추적, 인기 있는 내보내기 형식으로의 자동 내보내기 등의 새로운 기능을 추가했습니다.
• YOLOv6는 2022년 Meituan에 의해 오픈 소스로 공개되었으며, 해당 회사의 자율 배송 로봇 다수에 사용되고 있습니다.
• YOLOv7은 COCO 키포인트 데이터셋에 대한 자세 추정과 같은 추가 작업을 지원하게 되었습니다.
• Ultralytics가 2023년에 출시한 YOLOv8은 향상된 성능, 유연성 및 효율성을 위한 새로운 기능과 개선 사항을 도입하여 모든 범위의 비전 AI 작업을 지원합니다.
• YOLOv9은 PGI(Programmable Gradient Information) 및 GELAN(Generalized Efficient Layer Aggregation Network)과 같은 혁신적인 방법을 도입했습니다.
• YOLOv10 created by researchers from Tsinghua University using the Ultralytics Python package, provides real-time object detection advancements by introducing an End-to-End head that eliminates Non-Maximum Suppression (NMS) requirements.
• YOLO11: 2024년 9월에 출시된 YOLO11은 객체 탐지, 세그멘테이션, 자세 추정, 추적, 분류를 포함한 여러 작업에서 뛰어난 성능을 제공하며 다양한 AI 애플리케이션 및 도메인 전반에 걸친 배포를 가능하게 합니다.
• YOLO26 🚀: 종단간 NMS-free 추론을 통해 에지 배포에 최적화된 Ultralytics의 차세대 YOLO 모델입니다.

YOLO 라이선스: Ultralytics YOLO는 어떻게 라이선스가 부여되나요?

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

• AGPL-3.0 라이선스: 이 OSI 승인 오픈 소스 라이선스는 학생 및 애호가에게 이상적이며, 개방형 협업과 지식 공유를 장려합니다. 자세한 내용은 LICENSE 파일을 참조하십시오.
• Enterprise 라이선스: 개발 및 프로덕션 용도로, 이 라이선스는 내부 도구, 자동화된 워크플로우, 프로덕션 배포를 포함하여 비즈니스 제품 및 서비스에 Ultralytics 소프트웨어와 AI 모델을 원활하게 통합할 수 있도록 하며, AGPL-3.0의 오픈 소스 요구 사항을 우회할 수 있습니다. 시작하려면 Ultralytics 라이선스를 통해 문의하십시오.

당사의 라이선스 전략은 오픈 소스 프로젝트에 대한 모든 개선 사항이 커뮤니티로 환원되도록 설계되었습니다. 당사는 오픈 소스의 가치를 믿으며, 우리의 기여가 모두에게 혜택을 주는 방식으로 사용되고 확장되도록 보장하는 것을 사명으로 합니다.

객체 탐지의 진화

객체 탐지는 전통적인 컴퓨터 비전 기법에서 고급 딥러닝 모델에 이르기까지 수년에 걸쳐 크게 진화했습니다. YOLO 모델 제품군은 실시간 객체 탐지에서 가능한 영역의 경계를 꾸준히 넓히며 이러한 진화의 선두에 서 왔습니다.

YOLO의 고유한 접근 방식은 객체 탐지를 단일 회귀 문제로 처리하여 전체 이미지에서 직접 바운딩 박스와 클래스 확률을 한 번의 평가로 예측합니다. 이 혁신적인 방법은 YOLO 모델이 이전의 2단계 탐지기보다 훨씬 더 빠르면서도 높은 정확도를 유지할 수 있게 했습니다.

새로운 버전이 나올 때마다 YOLO는 아키텍처 개선과 혁신적인 기술을 도입하여 다양한 지표에서 성능을 향상해 왔습니다. YOLO26은 컴퓨터 비전 연구의 최신 발전을 통합하고 종단간 NMS-free 추론 및 실제 애플리케이션을 위한 최적화된 에지 배포 기능을 특징으로 하여 이러한 전통을 이어가고 있습니다.

FAQ

Ultralytics YOLO란 무엇이며 객체 탐지를 어떻게 개선하나요?

Ultralytics YOLO is the acclaimed YOLO (You Only Look Once) series for real-time object detection and image segmentation. The latest model, YOLO26, builds on previous versions by introducing end-to-end NMS-free inference and optimized edge deployment. YOLO supports various vision AI tasks such as detection, instance segmentation, semantic segmentation, pose estimation, tracking, and classification. Its efficient architecture ensures excellent speed and accuracy, making it suitable for diverse applications, including edge devices and cloud APIs.

YOLO 설치 및 설정을 시작하려면 어떻게 해야 하나요?

YOLO 시작은 빠르고 간단합니다. pip를 사용하여 Ultralytics 패키지를 설치하고 몇 분 안에 작업을 시작할 수 있습니다. 기본 설치 명령어는 다음과 같습니다:

pip install -U ultralytics

포괄적인 단계별 가이드는 퀵스타트 페이지를 방문하십시오. 이 리소스는 설치 지침, 초기 설정 및 첫 번째 모델 실행에 도움을 드릴 것입니다.

내 데이터셋으로 커스텀 YOLO 모델을 학습시키려면 어떻게 해야 하나요?

커스텀 YOLO 모델을 데이터셋으로 학습시키는 과정은 몇 가지 세부 단계가 필요합니다:

1. 주석이 달린 데이터셋을 준비합니다.
2. YAML 파일에서 학습 파라미터를 구성합니다.
3. yolo TASK train 명령을 사용하여 학습을 시작합니다. (각 TASK에는 고유한 인자가 있습니다)

다음은 객체 탐지 작업에 대한 코드 예시입니다:

from ultralytics import YOLO

# Load a pretrained YOLO model (you can choose n, s, m, l, or x versions)
model = YOLO("yolo26n.pt")

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

자세한 단계별 설명은 학습 프로세스 최적화를 위한 예시와 팁이 포함된 모델 학습 가이드를 확인하십시오.

Ultralytics YOLO에 사용할 수 있는 라이선스 옵션은 무엇인가요?

Ultralytics는 YOLO에 대해 두 가지 라이선스 옵션을 제공합니다:

• AGPL-3.0 라이선스: 이 오픈 소스 라이선스는 교육 및 비상업적 용도에 이상적이며 개방형 협업을 장려합니다.
• Enterprise 라이선스: 내부 도구, 자동화된 워크플로우 및 프로덕션 배포를 포함한 개발 및 프로덕션 용도로 사용하며, AGPL-3.0의 오픈 소스 요구 사항을 우회합니다.

더 자세한 내용은 라이선스 페이지를 방문하십시오.

Ultralytics YOLO를 실시간 객체 추적에 어떻게 사용할 수 있나요?

Ultralytics YOLO는 효율적이고 사용자 정의 가능한 다중 객체 추적을 지원합니다. 추적 기능을 사용하려면 아래와 같이 yolo track 명령을 사용할 수 있습니다:

from ultralytics import YOLO

# Load a pretrained YOLO model
model = YOLO("yolo26n.pt")

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

객체 추적 설정 및 실행에 대한 자세한 가이드는 실시간 시나리오에서의 구성과 실제 적용 방법을 설명하는 추적 모드 문서를 확인하십시오.