μ½˜ν…μΈ λ‘œ κ±΄λ„ˆλ›°κΈ°

μ§€μ›λ˜λŠ” λͺ¨λΈ Ultralytics

Ultralytics' λͺ¨λΈ λ¬Έμ„œμ— μ˜€μ‹  것을 ν™˜μ˜ν•©λ‹ˆλ‹€! μ €ν¬λŠ” 물체 감지, μΈμŠ€ν„΄μŠ€ λΆ„ν• , 이미지 λΆ„λ₯˜, 포즈 μΆ”μ •, 닀쀑 물체 좔적과 같은 νŠΉμ • μž‘μ—…μ— 맞게 μ‘°μ •λœ λ‹€μ–‘ν•œ λͺ¨λΈμ— λŒ€ν•œ 지원을 μ œκ³΅ν•©λ‹ˆλ‹€. λͺ¨λΈ μ•„ν‚€ν…μ²˜λ₯Ό Ultralytics 에 κΈ°μ—¬ν•˜κ³  μ‹ΆμœΌμ‹œλ‹€λ©΄ κΈ°μ—¬ κ°€μ΄λ“œλ₯Ό ν™•μΈν•˜μ„Έμš”.

Ultralytics YOLO11 비ꡐ ν”Œλ‘―

λ‹€μŒμ€ μ§€μ›λ˜λŠ” μ£Όμš” λͺ¨λΈ 쀑 μΌλΆ€μž…λ‹ˆλ‹€:

  1. YOLOv3: 효율적인 μ‹€μ‹œκ°„ 객체 감지 κΈ°λŠ₯으둜 유λͺ…ν•œ μ‘°μ…‰ λ ˆλ“œλͺ¬μ΄ κ°œλ°œν•œ YOLO λͺ¨λΈ μ œν’ˆκ΅°μ˜ μ„Έ 번째 반볡 λ²„μ „μž…λ‹ˆλ‹€.
  2. YOLOv4: μ•Œλ ‰μ„Έμ΄ λ³΄νμ½”λΈŒμŠ€ν‚€κ°€ 2020년에 λ°œν‘œν•œ YOLOv3의 닀크넷 λ„€μ΄ν‹°λΈŒ μ—…λ°μ΄νŠΈμž…λ‹ˆλ‹€.
  3. YOLOv5: YOLO μ•„ν‚€ν…μ²˜μ˜ κ°œμ„ λœ λ²„μ „μœΌλ‘œ 이전 버전에 λΉ„ν•΄ μ„±λŠ₯κ³Ό 속도 μ ˆμΆ©μ μ„ μ œκ³΅ν•˜λŠ” Ultralytics.
  4. YOLOv6: λ©”μ΄νˆ¬μ•ˆμ—μ„œ 2022년에 μΆœμ‹œν–ˆμœΌλ©°, λ©”μ΄νˆ¬μ•ˆμ˜ λ§Žμ€ 자율 배솑 λ‘œλ΄‡μ— μ‚¬μš©λ˜κ³  μžˆμŠ΅λ‹ˆλ‹€.
  5. YOLOv7: μ—…λ°μ΄νŠΈλ¨ YOLO YOLOv4의 μ €μžκ°€ 2022년에 μΆœμ‹œν•œ λͺ¨λΈμž…λ‹ˆλ‹€.
  6. YOLOv8: μΈμŠ€ν„΄μŠ€ μ„ΈλΆ„ν™”, 포즈/ν‚€ν¬μΈνŠΈ μΆ”μ •, λΆ„λ₯˜ λ“± ν–₯μƒλœ κΈ°λŠ₯을 κ°–μΆ˜ YOLO μ œν’ˆκ΅°μ˜ μ΅œμ‹  λ²„μ „μž…λ‹ˆλ‹€.
  7. YOLOv9: ν”„λ‘œκ·Έλž˜λ° κ°€λŠ₯ν•œ 기울기 정보λ₯Ό κ΅¬ν˜„ν•˜λŠ” Ultralytics YOLOv5 ν”„λ‘œκ·Έλž˜λ¨ΈλΈ” κ·ΈλΌλ°μ΄μ…˜ 정보(PGI)λ₯Ό κ΅¬ν˜„ν•˜λŠ” μ½”λ“œλ² μ΄μŠ€.
  8. YOLOv10: μΉ­ν™”λŒ€ν•™κ΅μ—μ„œ 제곡, NMSκ°€ ν•„μš” μ—†λŠ” νŠΈλ ˆμ΄λ‹κ³Ό νš¨μœ¨μ„± 및 정확도 쀑심 μ•„ν‚€ν…μ²˜λ‘œ μ΅œμ²¨λ‹¨ μ„±λŠ₯κ³Ό 지연 μ‹œκ°„μ„ μ œκ³΅ν•©λ‹ˆλ‹€.
  9. YOLO11 πŸš€ μ‹ κ·œ: Ultralytics μ—¬λŸ¬ μž‘μ—…μ—μ„œ μ΅œμ‹ (SOTA) μ„±λŠ₯을 μ œκ³΅ν•˜λŠ” μ΅œμ‹  YOLO λͺ¨λΈμž…λ‹ˆλ‹€.
  10. 무엇이든 μ„Έκ·Έλ¨ΌνŠΈ λͺ¨λΈ (SAM): λ©”νƒ€μ˜ μ˜€λ¦¬μ§€λ„ μ„Έκ·Έλ¨ΌνŠΈ μ• λ‹ˆμ”½ λͺ¨λΈ (SAM).
  11. μ„Έκ·Έλ¨ΌνŠΈ μ• λ‹ˆμ”½ λͺ¨λΈ 2 (SAM2): λ™μ˜μƒκ³Ό 이미지λ₯Ό μœ„ν•œ λ©”νƒ€μ˜ μ°¨μ„ΈλŒ€ μ„Έκ·Έλ¨ΌνŠΈ μ• λ‹ˆμ”½ λͺ¨λΈ(SAM).
  12. λͺ¨λ°”일 μ„Έκ·Έλ¨ΌνŠΈ μ• λ‹ˆμ”½ λͺ¨λΈ (MobileSAM)MobileSAM , κ²½ν¬λŒ€ν•™κ΅ λͺ¨λ°”일 μ• ν”Œλ¦¬μΌ€μ΄μ…˜.
  13. λΉ λ₯Έ μ„Έκ·Έλ¨ΌνŠΈ 무엇이든 λͺ¨λΈ (FastSAM)FastSAM 쀑ꡭ과학원 μžλ™ν™”μ—°κ΅¬μ†Œ 이미지 및 λΉ„λ””μ˜€ 뢄석 κ·Έλ£Ήμ—μ„œ 제곡.
  14. YOLO-NAS: YOLO μ‹ κ²½ μ•„ν‚€ν…μ²˜ 검색(NAS) λͺ¨λΈ.
  15. μ‹€μ‹œκ°„ 감지 트랜슀포머 (RT-DETR): λ°”μ΄λ‘μ˜ PaddlePaddle μ‹€μ‹œκ°„ 감지 트랜슀포머 (RT-DETR) λͺ¨λΈ.
  16. YOLO-세계: μ‹€μ‹œκ°„ κ°œλ°©ν˜• μ–΄νœ˜ 개체 감지 λͺ¨λΈ: Tencent AI Lab.



Watch: λͺ‡ μ€„μ˜ μ½”λ“œλ§ŒμœΌλ‘œ Ultralytics YOLO λͺ¨λΈμ„ μ‹€ν–‰ν•˜μ„Έμš”.

μ‹œμž‘ν•˜κΈ°: μ‚¬μš© μ˜ˆμ‹œ

이 μ˜ˆλŠ” κ°„λ‹¨ν•œ YOLO ν•™μŠ΅ 및 μΆ”λ‘  예제λ₯Ό μ œκ³΅ν•©λ‹ˆλ‹€. μ΄λŸ¬ν•œ λͺ¨λ“œ 및 기타 λͺ¨λ“œμ— λŒ€ν•œ 전체 λ¬Έμ„œλŠ” 예츑, ν•™μŠ΅, Val 및 내보내기 λ¬Έμ„œ νŽ˜μ΄μ§€λ₯Ό μ°Έμ‘°ν•˜μ„Έμš”.

μ•„λž˜ μ˜ˆμ‹œλŠ” YOLOv8 객체 감지 λͺ¨λΈμ— λŒ€ν•œ μ˜ˆμ‹œμž…λ‹ˆλ‹€. μΆ”κ°€λ‘œ μ§€μ›λ˜λŠ” μž‘μ—…μ€ μ„Έκ·Έλ¨ΌνŠΈ, λΆ„λ₯˜ 및 포즈 λ¬Έμ„œλ₯Ό μ°Έμ‘°ν•˜μ„Έμš”.

예

PyTorch 사전 ꡐ윑 *.pt λͺ¨λΈ 및 ꡬ성 *.yaml νŒŒμΌμ„ YOLO(), SAM(), NAS() 그리고 RTDETR() 클래슀λ₯Ό μ‚¬μš©ν•˜μ—¬ Python μ—μ„œ λͺ¨λΈ μΈμŠ€ν„΄μŠ€λ₯Ό μƒμ„±ν•©λ‹ˆλ‹€:

from ultralytics import YOLO

# Load a COCO-pretrained YOLOv8n model
model = YOLO("yolov8n.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 YOLOv8n model on the 'bus.jpg' image
results = model("path/to/bus.jpg")

CLI λͺ…령을 μ‚¬μš©ν•˜μ—¬ λͺ¨λΈμ„ 직접 μ‹€ν–‰ν•  수 μžˆμŠ΅λ‹ˆλ‹€:

# Load a COCO-pretrained YOLOv8n model and train it on the COCO8 example dataset for 100 epochs
yolo train model=yolov8n.pt data=coco8.yaml epochs=100 imgsz=640

# Load a COCO-pretrained YOLOv8n model and run inference on the 'bus.jpg' image
yolo predict model=yolov8n.pt source=path/to/bus.jpg

μƒˆλ‘œμš΄ λͺ¨λΈ κΈ°μ—¬ν•˜κΈ°

Ultralytics 에 λͺ¨λΈ 기고에 관심이 μžˆμœΌμ‹ κ°€μš”? μ’‹μ•„μš”! λͺ¨λΈ 포트폴리였λ₯Ό ν™•μž₯ν•  수 μžˆλŠ” κΈ°νšŒλŠ” μ–Έμ œλ‚˜ μ—΄λ € μžˆμŠ΅λ‹ˆλ‹€.

  1. 리포지토리 포크: Ultralytics GitHub 리포지토리λ₯Ό ν¬ν¬ν•˜μ—¬ μ‹œμž‘ν•˜μ„Έμš”.

  2. 포크 볡제: 포크λ₯Ό 둜컬 머신에 λ³΅μ œν•˜κ³  μž‘μ—…ν•  μƒˆ 브랜치λ₯Ό λ§Œλ“­λ‹ˆλ‹€.

  3. λͺ¨λΈ κ΅¬ν˜„ν•˜κΈ°: κΈ°μ—¬ κ°€μ΄λ“œμ— 제곡된 μ½”λ”© ν‘œμ€€κ³Ό κ°€μ΄λ“œλΌμΈμ— 따라 λͺ¨λΈμ„ μΆ”κ°€ν•˜μ„Έμš”.

  4. μ² μ €ν•˜κ²Œ ν…ŒμŠ€νŠΈν•˜μ„Έμš”: λͺ¨λΈμ„ κ°œλ³„μ μœΌλ‘œ λ˜λŠ” νŒŒμ΄ν”„λΌμΈμ˜ μΌλΆ€λ‘œ μ—„κ²©ν•˜κ²Œ ν…ŒμŠ€νŠΈν•΄μ•Ό ν•©λ‹ˆλ‹€.

  5. ν’€ λ¦¬ν€˜μŠ€νŠΈλ₯Ό λ§Œλ“­λ‹ˆλ‹€: λͺ¨λΈμ— λ§Œμ‘±ν•˜λ©΄ 메인 리포지토리에 ν’€ λ¦¬ν€˜μŠ€νŠΈλ₯Ό λ§Œλ“€μ–΄ κ²€ν† λ₯Ό μš”μ²­ν•˜μ„Έμš”.

  6. μ½”λ“œ κ²€ν†  및 병합: κ²€ν†  ν›„ λͺ¨λΈμ΄ 기쀀을 μΆ©μ‘±ν•˜λ©΄ κΈ°λ³Έ 리포지토리에 λ³‘ν•©λ©λ‹ˆλ‹€.

μžμ„Έν•œ λ‹¨κ³„λŠ” κΈ°μ—¬ κ°€μ΄λ“œλ₯Ό μ°Έμ‘°ν•˜μ„Έμš”.

자주 λ¬»λŠ” 질문

물체 감지에 Ultralytics YOLOv8 을 μ‚¬μš©ν•˜λ©΄ μ–΄λ–€ μ£Όμš” 이점이 μžˆλ‚˜μš”?

Ultralytics YOLOv8 λŠ” μ‹€μ‹œκ°„ 객체 감지, μΈμŠ€ν„΄μŠ€ λΆ„ν• , 포즈 μΆ”μ • 및 λΆ„λ₯˜μ™€ 같은 ν–₯μƒλœ κΈ°λŠ₯을 μ œκ³΅ν•©λ‹ˆλ‹€. μ΅œμ ν™”λœ μ•„ν‚€ν…μ²˜λ‘œ 정확도 μ €ν•˜ 없이 고속 μ„±λŠ₯을 보μž₯ν•˜λ―€λ‘œ λ‹€μ–‘ν•œ μ• ν”Œλ¦¬μΌ€μ΄μ…˜μ— μ΄μƒμ μž…λ‹ˆλ‹€. YOLOv8 λ˜ν•œ YOLOv8 λ¬Έμ„œ νŽ˜μ΄μ§€μ— μžμ„Ένžˆ μ„€λͺ…λœ λŒ€λ‘œ 인기 μžˆλŠ” 데이터 μ„ΈνŠΈ 및 λͺ¨λΈκ³Όμ˜ ν˜Έν™˜μ„±μ΄ 기본으둜 μ œκ³΅λ©λ‹ˆλ‹€.

μ‚¬μš©μž 지정 λ°μ΄ν„°λ‘œ YOLOv8 λͺ¨λΈμ„ ν•™μŠ΅ν•˜λ €λ©΄ μ–΄λ–»κ²Œ ν•΄μ•Ό ν•˜λ‚˜μš”?

μ‚¬μš©μž 지정 데이터에 λŒ€ν•œ YOLOv8 λͺ¨λΈ ν•™μŠ΅μ€ Ultralytics' 라이브러리λ₯Ό μ‚¬μš©ν•˜μ—¬ μ‰½κ²Œ μˆ˜ν–‰ν•  수 μžˆμŠ΅λ‹ˆλ‹€. λ‹€μŒμ€ κ°„λ‹¨ν•œ μ˜ˆμ‹œμž…λ‹ˆλ‹€:

예

from ultralytics import YOLO

# Load a YOLOv8n model
model = YOLO("yolov8n.pt")

# Train the model on custom dataset
results = model.train(data="custom_data.yaml", epochs=100, imgsz=640)
yolo train model=yolov8n.pt data='custom_data.yaml' epochs=100 imgsz=640

μžμ„Έν•œ 지침은 κΈ°μ°¨ λ¬Έμ„œ νŽ˜μ΄μ§€λ₯Ό μ°Έμ‘°ν•˜μ„Έμš”.

μ–΄λ–€ YOLO 버전이 Ultralytics μ—μ„œ μ§€μ›λ˜λ‚˜μš”?

Ultralytics λŠ” NAS, SAM, RT-DETR 와 같은 λͺ¨λΈκ³Ό ν•¨κ»˜ YOLOv3λΆ€ν„° YOLOv10κΉŒμ§€ 포괄적인 λ²”μœ„μ˜ YOLO (You Only Look Once) 버전을 μ§€μ›ν•©λ‹ˆλ‹€. 각 버전은 탐지, μ„ΈλΆ„ν™”, λΆ„λ₯˜μ™€ 같은 λ‹€μ–‘ν•œ μž‘μ—…μ— μ΅œμ ν™”λ˜μ–΄ μžˆμŠ΅λ‹ˆλ‹€. 각 λͺ¨λΈμ— λŒ€ν•œ μžμ„Έν•œ λ‚΄μš©μ€ Ultralytics μ—μ„œ μ§€μ›ν•˜λŠ” λͺ¨λΈ λ¬Έμ„œλ₯Ό μ°Έμ‘°ν•˜μ„Έμš”.

λ¨Έμ‹ λŸ¬λ‹ ν”„λ‘œμ νŠΈμ— Ultralytics HUBλ₯Ό μ‚¬μš©ν•΄μ•Ό ν•˜λŠ” μ΄μœ λŠ” λ¬΄μ—‡μΈκ°€μš”?

Ultralytics HUBλŠ” YOLO λͺ¨λΈμ„ ꡐ윑, 배포 및 κ΄€λ¦¬ν•˜κΈ° μœ„ν•œ μ½”λ“œκ°€ ν•„μš” μ—†λŠ” μ—”λ“œνˆ¬μ—”λ“œ ν”Œλž«νΌμ„ μ œκ³΅ν•©λ‹ˆλ‹€. λ³΅μž‘ν•œ μ›Œν¬ν”Œλ‘œλ₯Ό κ°„μ†Œν™”ν•˜μ—¬ μ‚¬μš©μžκ°€ λͺ¨λΈ μ„±λŠ₯κ³Ό μ• ν”Œλ¦¬μΌ€μ΄μ…˜μ— 집쀑할 수 μžˆλ„λ‘ μ§€μ›ν•©λ‹ˆλ‹€. λ˜ν•œ HUBλŠ” ν΄λΌμš°λ“œ ꡐ윑 κΈ°λŠ₯, 포괄적인 데이터 μ„ΈνŠΈ 관리, μ‚¬μš©μž μΉœν™”μ μΈ μΈν„°νŽ˜μ΄μŠ€λ₯Ό μ œκ³΅ν•©λ‹ˆλ‹€. μžμ„Έν•œ λ‚΄μš©μ€ Ultralytics HUB μ„€λͺ…μ„œ νŽ˜μ΄μ§€μ—μ„œ ν™•μΈν•˜μ„Έμš”.

YOLOv8 은 μ–΄λ–€ μœ ν˜•μ˜ μž‘μ—…μ„ μˆ˜ν–‰ν•  수 있으며 λ‹€λ₯Έ YOLO 버전과 μ–΄λ–»κ²Œ λ‹€λ₯Έκ°€μš”?

YOLOv8 λŠ” 객체 감지, μΈμŠ€ν„΄μŠ€ λΆ„ν• , λΆ„λ₯˜, 포즈 μΆ”μ • λ“±μ˜ μž‘μ—…μ„ μˆ˜ν–‰ν•  수 μžˆλŠ” λ‹€λͺ©μ  λͺ¨λΈμž…λ‹ˆλ‹€. YOLOv8 은 μ΅œμ ν™”λœ μ•„ν‚€ν…μ²˜λ‘œ 인해 속도와 정확도가 이전 버전인 YOLOv3 및 YOLOv4에 λΉ„ν•΄ 크게 ν–₯μƒλ˜μ—ˆμŠ΅λ‹ˆλ‹€. 더 μžμ„Έν•œ λΉ„κ΅λŠ” YOLOv8 λ¬Έμ„œμ™€ νŠΉμ • μž‘μ—…μ— λŒ€ν•œ μžμ„Έν•œ λ‚΄μš©μ€ μž‘μ—… νŽ˜μ΄μ§€λ₯Ό μ°Έμ‘°ν•˜μ„Έμš”.

πŸ“…1 λ…„ μ „ 생성됨 ✏️ 1κ°œμ›” μ „ μ—…λ°μ΄νŠΈλ¨

λŒ“κΈ€