Ultralytics 지원 모델
Ultralytics 모델 문서에 오신 것을 환영합니다! 저희는 객체 탐지, 인스턴스 분할, 의미론적 분할, 이미지 분류, 자세 추정, 다중 객체 추적 등 특정 작업에 맞춰진 다양한 모델을 지원합니다. Ultralytics에 모델 아키텍처를 기여하고 싶으시다면 기여 가이드를 확인해 주십시오.
주요 모델
지원되는 주요 모델은 다음과 같습니다:
- YOLOv3: Joseph Redmon이 처음 개발한 YOLO 모델 제품군의 세 번째 반복 버전으로, 효율적인 실시간 객체 탐지 기능으로 유명합니다.
- YOLOv4: 2020년 Alexey Bochkovskiy가 발표한 YOLOv3의 Darknet 기반 업데이트 버전입니다.
- YOLOv5: Ultralytics에서 개선한 YOLO 아키텍처로, 이전 버전에 비해 더 나은 성능과 속도 트레이드오프를 제공합니다.
- YOLOv6: 2022년 Meituan에서 발표했으며, 해당 기업의 많은 자율 주행 배달 로봇에 사용되고 있습니다.
- YOLOv7: 2022년 YOLOv4 저자들이 발표한 업데이트된 YOLO 모델입니다. 추론만 지원됩니다.
- YOLOv8: 인스턴스 분할, 자세/키포인트 추정 및 분류와 같은 향상된 기능을 갖춘 범용 모델입니다.
- YOLOv9: PGI(Programmable Gradient Information)를 구현한 Ultralytics YOLOv5 코드베이스에서 훈련된 실험적 모델입니다.
- YOLOv10: 칭화대학교에서 개발했으며, NMS 없는 훈련과 효율성 및 정확도 중심의 아키텍처를 특징으로 하여 최첨단 성능과 지연 시간을 제공합니다.
- YOLO11: 탐지, 분할, 자세 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 원본 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 예제 기반 분할을 위한 프롬프트 가능 개념 분할 기능을 갖춘 Meta의 3세대 Segment Anything Model입니다.
- Mobile Segment Anything Model (MobileSAM): 경희대학교에서 개발한 모바일 애플리케이션용 MobileSAM입니다.
- Fast Segment Anything Model (FastSAM): 중국과학원 자동화연구소 이미지 및 비디오 분석 그룹에서 개발한 FastSAM입니다.
- YOLO-NAS: YOLO 신경망 구조 탐색 (NAS) 모델입니다.
- Real-Time Detection Transformers (RT-DETR): Baidu의 PaddlePaddle 실시간 Detection Transformer (RT-DETR) 모델입니다.
- YOLO-World: Tencent AI Lab에서 개발한 실시간 오픈 어휘 객체 탐지 모델입니다.
- YOLOE: YOLO의 실시간 성능을 유지하면서 훈련 데이터 이외의 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 훈련 및 추론 예제를 제공합니다. 이들에 대한 전체 문서와 기타 모드는 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 훈련된 *.pt 모델과 구성 *.yaml 파일을 YOLO(), SAM(), NAS() 및 RTDETR() 클래스에 전달하여 Python에서 모델 인스턴스를 생성할 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! 저희는 항상 모델 포트폴리오를 확장하는 데 열려 있습니다.
-
저장소 포크: Ultralytics GitHub 저장소를 포크하는 것부터 시작하세요.
-
포크 복제: 포크를 로컬 머신에 복제하고 작업을 수행할 새 브랜치를 만드세요.
-
모델 구현: 기여 가이드에 제공된 코딩 표준 및 지침에 따라 모델을 추가하세요.
-
철저한 테스트: 모델을 단독으로, 그리고 파이프라인의 일부로서 엄격하게 테스트하십시오.
-
풀 리퀘스트 생성: 모델이 만족스러우면 검토를 위해 메인 저장소에 풀 리퀘스트를 생성하세요.
-
코드 검토 및 병합: 검토 후 모델이 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 추론, 최적화된 엣지 배포를 특징으로 하며 탐지, 인스턴스 분할, 의미론적 분할, 분류, 자세 추정, OBB 및 오픈 어휘 버전을 지원합니다. 안정적인 프로덕션 워크로드를 위해서는 YOLO26과 YOLO11 모두 권장되는 선택입니다.
사용자 지정 데이터로 YOLO 모델을 어떻게 훈련하나요?
사용자 지정 데이터로 YOLO 모델을 훈련하는 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.
어떤 YOLO 버전이 Ultralytics에서 지원되나요?
Ultralytics는 YOLOv3부터 YOLO26까지의 광범위한 YOLO(You Only Look Once) 버전과 YOLO-NAS, SAM, RT-DETR과 같은 모델을 지원합니다. 각 버전은 탐지, 분할, 의미론적 분할, 분류와 같은 다양한 작업에 최적화되어 있습니다. 각 모델에 대한 자세한 정보는 Ultralytics 지원 모델 문서를 참조하십시오.
머신 러닝 프로젝트에 Ultralytics Platform을 사용해야 하는 이유는 무엇인가요?
Ultralytics Platform은 YOLO 모델을 훈련, 배포 및 관리하기 위한 노코드 엔드투엔드 플랫폼을 제공합니다. 복잡한 워크플로우를 단순화하여 사용자가 모델 성능과 애플리케이션에 집중할 수 있도록 합니다. 또한 HUB는 클라우드 훈련 기능, 포괄적인 데이터셋 관리 및 초보자와 숙련된 개발자 모두를 위한 사용자 친화적인 인터페이스를 제공합니다.
Ultralytics YOLO 모델은 어떤 작업을 수행할 수 있나요?
Ultralytics YOLO 모델은 범용성이 뛰어나 객체 탐지, 인스턴스 분할, 의미론적 분할, 분류, 자세 추정 및 방향성 객체 탐지(OBB)를 포함한 작업을 수행할 수 있습니다. 최신 모델인 YOLO26은 위 6가지 작업과 오픈 어휘 탐지를 모두 지원합니다. 특정 작업에 대한 자세한 내용은 작업 페이지를 참조하십시오.