Ultralytics YOLO26 모드
소개
Ultralytics YOLO26은 단순한 객체 탐지 모델이 아닙니다. 이 모델은 데이터 수집부터 모델 학습, 검증, 배포 및 실시간 추적에 이르기까지 머신러닝 모델의 전체 수명 주기를 다루도록 설계된 다목적 프레임워크입니다. 각 모드는 특정 목적을 위해 설계되었으며, 다양한 작업과 사용 사례에 필요한 유연성과 효율성을 제공합니다.
Watch: Ultralytics Modes Tutorial: Train, Validate, Predict, Export & Benchmark.
모드 개요
Ultralytics YOLO26이 지원하는 다양한 모드를 이해하는 것은 모델을 최대한 활용하는 데 필수적입니다.
- Train 모드: 커스텀 데이터셋 또는 사전 로드된 데이터셋으로 모델을 미세 조정합니다.
- Val 모드: 모델 성능을 검증하기 위한 학습 후 체크포인트입니다.
- Predict 모드: 실제 데이터에서 모델의 예측 능력을 발휘합니다.
- Export 모드: 다양한 형식으로 모델 배포 준비를 마칩니다.
- Track 모드: 객체 탐지 모델을 실시간 추적 애플리케이션으로 확장합니다.
- Benchmark 모드: 다양한 배포 환경에서 모델의 속도와 정확도를 분석합니다.
이 포괄적인 가이드는 각 모드에 대한 개요와 실용적인 통찰력을 제공하여 YOLO26의 잠재력을 최대한 활용하도록 돕는 것을 목표로 합니다.
Train
Train 모드는 커스텀 데이터셋에서 YOLO26 모델을 학습시키는 데 사용됩니다. 이 모드에서 모델은 지정된 데이터셋과 하이퍼파라미터를 사용하여 학습됩니다. 학습 과정은 모델이 이미지 내 객체의 클래스와 위치를 정확하게 예측할 수 있도록 모델의 파라미터를 최적화하는 작업을 포함합니다. 학습은 애플리케이션에 관련된 특정 객체를 인식할 수 있는 모델을 만드는 데 필수적입니다.
Val
Val 모드는 학습된 후 YOLO26 모델을 검증하는 데 사용됩니다. 이 모드에서 모델은 검증 세트에서 평가되어 정확도와 일반화 성능을 측정합니다. 검증은 과적합과 같은 잠재적인 문제를 식별하는 데 도움이 되며, 모델 성능을 정량화하기 위한 mAP(mean Average Precision)와 같은 지표를 제공합니다. 이 모드는 하이퍼파라미터를 튜닝하고 전반적인 모델 효율성을 개선하는 데 중요합니다.
Predict
Predict 모드는 학습된 YOLO26 모델을 사용하여 새로운 이미지나 비디오에서 예측을 수행하는 데 사용됩니다. 이 모드에서 모델은 체크포인트 파일에서 로드되며, 사용자는 이미지나 비디오를 제공하여 추론을 실행할 수 있습니다. 모델은 입력 미디어 내의 객체를 식별하고 위치를 파악하여 실제 애플리케이션에 사용할 수 있도록 합니다. Predict 모드는 학습된 모델을 실제 문제를 해결하는 데 적용하는 관문입니다.
Export
Export 모드는 YOLO26 모델을 다양한 플랫폼과 기기에 배포하기에 적합한 형식으로 변환하는 데 사용됩니다. 이 모드는 PyTorch 모델을 ONNX, TensorRT, CoreML과 같은 최적화된 형식으로 변환하여 프로덕션 환경에 배포할 수 있게 합니다. 내보내기는 모델을 다양한 소프트웨어 애플리케이션이나 하드웨어 기기와 통합하는 데 필수적이며, 종종 성능이 크게 향상됩니다.
Track
Track 모드는 YOLO26의 객체 탐지 기능을 확장하여 비디오 프레임이나 라이브 스트림 전반에서 객체를 추적합니다. 이 모드는 감시 시스템이나 자율주행 자동차와 같이 지속적인 객체 식별이 필요한 애플리케이션에 특히 유용합니다. Track 모드는 ByteTrack과 같은 정교한 알고리즘을 구현하여 객체가 일시적으로 시야에서 사라지더라도 프레임 전반에서 객체 ID를 유지합니다.
Benchmark
Benchmark 모드는 YOLO26의 다양한 내보내기 형식에 대한 속도와 정확도를 프로파일링합니다. 이 모드는 모델 크기, 정확도(탐지 작업의 경우 mAP50-95, 분류의 경우 accuracy_top5), 그리고 ONNX, OpenVINO, TensorRT와 같은 다양한 형식 전반의 추론 시간에 대한 포괄적인 지표를 제공합니다. 벤치마킹은 배포 환경에서 속도와 정확도에 대한 특정 요구 사항에 따라 최적의 내보내기 형식을 선택하는 데 도움이 됩니다.
FAQ
Ultralytics YOLO26으로 커스텀 객체 탐지 모델을 어떻게 학습시키나요?
Ultralytics YOLO26으로 커스텀 객체 탐지 모델을 학습시키는 과정에는 train 모드를 사용하는 작업이 포함됩니다. 이미지와 해당 주석 파일이 포함된 YOLO 형식으로 구성된 데이터셋이 필요합니다. 학습 프로세스를 시작하려면 다음 명령어를 사용하십시오:
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)더 자세한 지침은 Ultralytics Train 가이드를 참조하십시오.
Ultralytics YOLO26은 모델 성능을 검증하기 위해 어떤 지표를 사용하나요?
Ultralytics YOLO26은 검증 과정에서 모델 성능을 평가하기 위해 다양한 지표를 사용합니다. 여기에는 다음이 포함됩니다:
- mAP (mean Average Precision): 객체 탐지의 정확도를 평가합니다.
- IOU (Intersection over Union): 예측된 바운딩 박스와 실제 정답 바운딩 박스 간의 겹침 정도를 측정합니다.
- Precision 및 Recall: Precision은 전체 탐지된 양성 중 실제 양성 탐지 비율을 측정하고, Recall은 전체 실제 양성 중 실제 양성 탐지 비율을 측정합니다.
검증을 시작하려면 다음 명령어를 실행하십시오:
from ultralytics import YOLO
# Load a pretrained or custom YOLO model
model = YOLO("yolo26n.pt")
# Run validation on your dataset
model.val(data="path/to/validation.yaml")자세한 내용은 검증 가이드를 참조하십시오.
배포를 위해 YOLO26 모델을 어떻게 내보낼 수 있나요?
Ultralytics YOLO26은 학습된 모델을 ONNX, TensorRT, CoreML 등 다양한 배포 형식으로 변환하는 내보내기 기능을 제공합니다. 모델을 내보내려면 다음 예제를 사용하십시오:
from ultralytics import YOLO
# Load your trained YOLO model
model = YOLO("yolo26n.pt")
# Export the model to ONNX format (you can specify other formats as needed)
model.export(format="onnx")각 내보내기 형식에 대한 자세한 단계는 Export 가이드에서 확인할 수 있습니다.
Ultralytics YOLO26에서 벤치마크 모드의 목적은 무엇인가요?
Ultralytics YOLO26의 Benchmark 모드는 ONNX, TensorRT, OpenVINO와 같은 다양한 내보내기 형식의 속도와 정확도를 분석하는 데 사용됩니다. 이 모드는 모델 크기, 객체 탐지를 위한 mAP50-95, 그리고 다양한 하드웨어 설정에서의 추론 시간과 같은 지표를 제공하여 배포 요구 사항에 가장 적합한 형식을 선택하도록 돕습니다.
from ultralytics.utils.benchmarks import benchmark
# Run benchmark on GPU (device 0)
# You can adjust parameters like model, dataset, image size, and precision as needed
benchmark(model="yolo26n.pt", data="coco8.yaml", imgsz=640, half=False, device=0)자세한 내용은 Benchmark 가이드를 참조하십시오.
Ultralytics YOLO26을 사용하여 실시간 객체 추적을 수행하려면 어떻게 해야 하나요?
실시간 객체 추적은 Ultralytics YOLO26의 track 모드를 사용하여 수행할 수 있습니다. 이 모드는 객체 탐지 기능을 확장하여 비디오 프레임이나 라이브 피드 전반에서 객체를 추적합니다. 추적을 활성화하려면 다음 예제를 사용하십시오:
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")상세한 지침은 Track 가이드를 방문하십시오.