Ultralytics에서 지원하는 모델
Ultralytics 모델 문서에 오신 것을 환영합니다! 당사는 객체 탐지, 인스턴스 세그멘테이션, 이미지 분류, 포즈 추정, 다중 객체 추적과 같은 특정 작업에 맞춤화된 광범위한 모델을 지원합니다. 귀하의 모델 아키텍처를 Ultralytics에 기여하고 싶으시다면 기여 가이드를 확인해 주십시오.
주요 모델
다음은 지원되는 주요 모델 중 일부입니다:
- YOLOv3: Joseph Redmon이 처음 개발한 YOLO 모델 제품군의 세 번째 반복 버전으로, 효율적인 실시간 객체 탐지 기능으로 잘 알려져 있습니다.
- YOLOv4: 2020년 Alexey Bochkovskiy가 발표한 YOLOv3의 다크넷 네이티브 업데이트 버전입니다.
- YOLOv5: Ultralytics에서 개선한 YOLO 아키텍처 버전으로, 이전 버전에 비해 더 나은 성능과 속도 간의 균형을 제공합니다.
- YOLOv6: Meituan에서 2022년에 발표했으며, 해당 기업의 자율 배송 로봇 다수에 사용되고 있습니다.
- YOLOv7: YOLOv4 저자들이 2022년에 발표한 업데이트된 YOLO 모델입니다. 추론만 지원됩니다.
- YOLOv8: 인스턴스 세그멘테이션, 포즈/키포인트 추정, 분류와 같은 향상된 기능을 갖춘 범용 모델입니다.
- YOLOv9: PGI(Programmable Gradient Information)를 구현하는 Ultralytics YOLOv5 코드베이스에서 학습된 실험적 모델입니다.
- YOLOv10: 칭화대학교에서 개발했으며, NMS 없는 학습과 효율성-정확도 중심의 아키텍처를 특징으로 하여 최첨단 성능과 지연 시간을 제공합니다.
- YOLO11: 탐지, 세그멘테이션, 포즈 추정, 추적 및 분류를 포함한 여러 작업에서 고성능을 제공하는 Ultralytics의 YOLO 모델입니다.
- YOLO26 🚀 신규: 엔드투엔드 NMS 없는 추론을 통해 엣지 배포에 최적화된 Ultralytics의 최신 차세대 YOLO 모델입니다.
- Segment Anything Model (SAM): Meta의 오리지널 Segment Anything Model(SAM)입니다.
- Segment Anything Model 2 (SAM2): 비디오 및 이미지를 위한 Meta의 차세대 Segment Anything Model입니다.
- Segment Anything Model 3 (SAM3) 🚀 신규: 텍스트 및 이미지 예시 기반 세그멘테이션을 위한 Promptable Concept Segmentation 기능을 갖춘 Meta의 3세대 Segment Anything Model입니다.
- Mobile Segment Anything Model (MobileSAM): 경희대학교에서 개발한 모바일 애플리케이션용 MobileSAM입니다.
- Fast Segment Anything Model (FastSAM): 중국과학원 자동화연구소의 이미지 및 비디오 분석 그룹에서 개발한 FastSAM입니다.
- YOLO-NAS: YOLO Neural Architecture Search (NAS) 모델입니다.
- Real-Time Detection Transformers (RT-DETR): 바이두의 PaddlePaddle 실시간 Detection Transformer (RT-DETR) 모델입니다.
- YOLO-World: Tencent AI Lab에서 개발한 실시간 오픈 어휘 객체 탐지 모델입니다.
- YOLOE: YOLO의 실시간 성능을 유지하면서 학습 데이터 외의 임의의 클래스를 탐지할 수 있는 개선된 오픈 어휘 객체 탐지기입니다.
Watch: Run Ultralytics YOLO models in just a few lines of code.
시작하기: 사용 예제
이 예제는 간단한 YOLO 학습 및 추론 예제를 제공합니다. 이들 및 기타 모드에 대한 전체 문서는 Predict, Train, Val 및 Export 문서 페이지를 참조하십시오.
Note the below example spotlights YOLO11 Detect models for object detection. For additional supported tasks see the Segment, Classify and Pose docs.
PyTorch 사전 학습 *.pt 모델 및 구성 *.yaml 파일은 Python에서 모델 인스턴스를 생성하기 위해 YOLO(), SAM(), NAS() 및 RTDETR() 클래스에 전달할 수 있습니다:
from ultralytics import YOLO
# Load a COCO-pretrained YOLO26n model
model = YOLO("yolo26n.pt")
# Display model information (optional)
model.info()
# Train the model on the COCO8 example dataset for 100 epochs
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Run inference with the YOLO26n model on the 'bus.jpg' image
results = model("path/to/bus.jpg")새 모델 기여하기
귀하의 모델을 Ultralytics에 기여하고 싶으신가요? 좋습니다! 당사는 항상 모델 포트폴리오를 확장할 준비가 되어 있습니다.
-
저장소 포크(Fork): Ultralytics GitHub 저장소를 포크하여 시작하십시오.
-
포크 클론(Clone): 로컬 머신에 포크를 클론하고 작업할 새 브랜치를 생성하십시오.
-
모델 구현: 기여 가이드에 제공된 코딩 표준 및 지침에 따라 모델을 추가하십시오.
-
철저한 테스트: 모델을 독립적으로 그리고 파이프라인의 일부로서 엄격하게 테스트하십시오.
-
풀 리퀘스트(Pull Request) 생성: 모델에 만족하시면 메인 저장소에 풀 리퀘스트를 생성하여 검토를 요청하십시오.
-
코드 검토 및 병합: 검토 후 당사 기준을 충족하면 메인 저장소에 병합됩니다.
자세한 단계는 기여 가이드를 참조하십시오.
FAQ
최신 Ultralytics YOLO 모델은 무엇인가요?
최신 Ultralytics YOLO 모델은 2026년 1월에 출시된 YOLO26입니다. YOLO26은 엔드투엔드 NMS 없는 추론과 최적화된 엣지 배포를 특징으로 하며, 5가지 모든 작업(탐지, 세그멘테이션, 분류, 포즈 추정 및 OBB)과 오픈 어휘 버전을 지원합니다. 안정적인 프로덕션 워크로드를 위해서는 YOLO26과 YOLO11 모두 권장되는 선택지입니다.
사용자 지정 데이터로 YOLO 모델을 어떻게 학습시키나요?
사용자 지정 데이터로 YOLO 모델을 학습시키는 것은 Ultralytics 라이브러리를 사용하여 쉽게 수행할 수 있습니다. 간단한 예제는 다음과 같습니다:
from ultralytics import YOLO
# Load a YOLO model
model = YOLO("yolo26n.pt") # or any other YOLO model
# Train the model on custom dataset
results = model.train(data="custom_data.yaml", epochs=100, imgsz=640)더 자세한 지침은 Train 문서 페이지를 방문하십시오.
Ultralytics에서 지원하는 YOLO 버전은 무엇인가요?
Ultralytics는 YOLOv3부터 YOLO11까지의 포괄적인 YOLO(You Only Look Once) 버전과 YOLO-NAS, SAM, RT-DETR과 같은 모델을 지원합니다. 각 버전은 탐지, 세그멘테이션, 분류와 같은 다양한 작업에 최적화되어 있습니다. 각 모델에 대한 자세한 정보는 Ultralytics에서 지원하는 모델 문서를 참조하십시오.
머신 러닝 프로젝트에 Ultralytics 플랫폼을 사용해야 하는 이유는 무엇인가요?
Ultralytics 플랫폼은 YOLO 모델의 학습, 배포 및 관리를 위한 노코드 엔드투엔드 플랫폼을 제공합니다. 복잡한 워크플로우를 단순화하여 사용자가 모델 성능과 애플리케이션에 집중할 수 있게 합니다. 또한 HUB는 클라우드 학습 기능, 포괄적인 데이터셋 관리 및 초보자와 숙련된 개발자 모두를 위한 사용자 친화적인 인터페이스를 제공합니다.
Ultralytics YOLO 모델은 어떤 유형의 작업을 수행할 수 있나요?
Ultralytics YOLO 모델은 다재다능하며 객체 탐지, 인스턴스 세그멘테이션, 분류, 포즈 추정 및 방향성 객체 탐지(OBB)를 포함한 작업을 수행할 수 있습니다. 최신 모델인 YOLO26은 5가지 모든 작업과 오픈 어휘 탐지를 지원합니다. 특정 작업에 대한 자세한 내용은 작업 페이지를 참조하십시오.