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

Link to this sectionUltralytics YOLO 문서#

Ultralytics YOLO는 객체 탐지, 인스턴스 세그멘테이션, 의미론적 세그멘테이션, 분류, 포즈 추정, 방향성 바운딩 박스 및 추적을 위한 실시간 컴퓨터 비전 모델 제품군이며, Python 패키지와 CLI를 통해 사용할 수 있습니다. YOLO26은 딥러닝과 컴퓨터 비전의 발전을 기반으로 구축되었으며, 엔드투엔드 NMS-free 추론과 최적화된 엣지 배포 기능을 특징으로 합니다. 간소화된 설계로 인해 다양한 애플리케이션에 적합하며, 엣지 디바이스부터 클라우드 API에 이르기까지 다양한 하드웨어 플랫폼에 쉽게 적응할 수 있습니다. 안정적인 프로덕션 워크로드를 위해 YOLO26과 YOLO11을 모두 권장합니다.

YOLO 패키지와 CLI, 그리고 동일한 모델을 기반으로 데이터 주석, 클라우드 학습 및 배포 기능을 추가한 Ultralytics Platform을 아우르는 포괄적인 리소스인 Ultralytics 문서를 살펴보십시오. 숙련된 머신러닝 실무자이든 이 분야에 새로 입문했든, 이 허브는 사용자의 프로젝트에서 YOLO의 이점을 최대한 활용할 수 있도록 돕는 것을 목표로 합니다.

상업적 사용을 위한 엔터프라이즈 라이선스는 Ultralytics Licensing에서 요청하십시오.

Link to this section두 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 이미지는 자동으로 다운로드되며, 주석이 달린 결과는 runs/detect/predict에 저장됩니다.

전체 설치 및 사용 참조는 Quickstart 가이드를 확인하십시오.

Link to this section무엇을 하고 싶으신가요?#

Link to this section이 문서의 구성 방식#

대부분의 모델 워크플로 yolo 명령은 yolo [TASK] MODE ARGS라는 하나의 문법을 따르며, 여기서 Task는 선택 사항입니다. 이 문서는 동일한 세 부분과 하나의 바로가기를 중심으로 구성되어 있습니다.

• **Task**는 이미지에서 무엇을 얻고자 하는지에 대해 detection, instance segmentation, semantic segmentation, classification, pose estimation, 또는 oriented boxes와 같은 답변을 제공합니다.
• **Mode**는 모델을 어떻게 사용하는지에 대해 train, validate, predict, export, track, 또는 benchmark와 같은 답변을 제공합니다.
• Args configures the command, from which model to run with model= to hyperparameters like epochs and imgsz.
• **Solutions**는 바로가기입니다: 객체 계수나 보안 알람과 같이 Task와 Mode 단계를 완전히 건너뛰는 완성된 애플리케이션입니다.

나머지 모든 내용은 해당 문법을 지원합니다: 모델은 model=에 전달할 수 있는 모든 아키텍처(YOLO26, YOLO11, SAM 3, RT-DETR 등)를 나열하고, 데이터셋은 각 Task가 학습할 데이터를 제공하며, 가이드는 하드웨어 배포, 하이퍼파라미터 튜닝, 데이터셋 변환 및 전체 프로젝트 단계별 안내를 포괄하는 심층적인 방법론 컬렉션이며, 통합은 파이프라인을 이미 사용 중인 학습 및 배포 도구와 연결하고, 참조 섹션은 Python API의 모든 클래스와 함수를 문서화합니다.

Python 패키지 외에도 동일한 모델에서 실행되는 두 가지 표면이 더 있습니다: 클라우드 주석, 학습 및 배포를 위한 Ultralytics Platform과, Python 런타임 없이 내보낸 모델을 실행하기 위한 독립형 Rust 라이브러리 및 CLI인 Ultralytics Inference입니다.

Link to this sectionYOLO 라이선스: Ultralytics YOLO는 어떻게 라이선스가 부여됩니까?#

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

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

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.

Link to this sectionFAQ#

Link to this sectionUltralytics YOLO란 무엇이며 객체 탐지를 어떻게 개선합니까?#

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.

Link to this sectionYOLO 설치 및 설정을 어떻게 시작할 수 있습니까?#

YOLO 시작은 빠르고 간단합니다. pip에서 pip install ultralytics 명령으로 Ultralytics 패키지를 설치한 후 yolo predict model=yolo26n.pt를 사용하여 첫 번째 예측을 실행하십시오. 모델 가중치는 자동으로 다운로드됩니다. conda, Docker 및 소스 설치를 포함한 자세한 지침은 Quickstart 페이지를 방문하십시오.

Link to this section데이터셋으로 커스텀 YOLO 모델을 어떻게 학습시킬 수 있습니까?#

데이터셋으로 커스텀 YOLO 모델을 학습시키는 과정에는 몇 가지 세부적인 단계가 포함됩니다:

1. 주석이 달린 데이터셋을 준비하고 데이터셋 YAML 파일에 설명하십시오.
2. Python에서 예를 들어 YOLO("yolo26n.pt")와 같이 사전 학습된 모델을 로드하십시오.
3. model.train(data="path/to/dataset.yaml", epochs=100, imgsz=640)으로 학습을 시작하거나, 명령줄에서 yolo detect train data=path/to/dataset.yaml epochs=100 imgsz=640으로 학습을 시작하십시오.

자세한 방법은 학습 프로세스 최적화를 위한 예제와 팁이 포함된 모델 학습 가이드를 확인하십시오.

Link to this sectionUltralytics 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 라이선스 페이지를 방문하십시오.

Link to this sectionUltralytics YOLO를 실시간 객체 추적에 어떻게 사용할 수 있습니까?#

Ultralytics YOLO는 효율적이고 사용자 지정 가능한 다중 객체 추적을 지원합니다. Python에서 YOLO("yolo26n.pt").track(source="path/to/video.mp4")를 호출하거나, 명령줄에서 yolo track source=path/to/video.mp4를 실행하십시오. 두 방법 모두 비디오 파일, 실시간 스트림 및 웹캠 입력에서 작동합니다. 객체 추적 설정 및 실행에 대한 자세한 가이드는 실시간 시나리오에서의 구성과 실용적인 응용 프로그램을 설명하는 Track Mode 문서를 확인하십시오.