Ultralytics Platform
Ultralytics Platform은 데이터 준비부터 모델 배포까지 전체 ML 워크플로우를 간소화하는 포괄적인 엔드투엔드 컴퓨터 비전 플랫폼입니다. 인프라 복잡성 없이 프로덕션급 컴퓨터 비전 솔루션이 필요한 팀과 개인을 위해 구축되었습니다.

Ultralytics Platform이란 무엇인가요?
Ultralytics Platform은 파편화된 ML 도구들을 통합된 솔루션으로 대체하도록 설계되었습니다. 다음과 같은 기능을 결합합니다:
- Roboflow - 데이터 관리 및 주석
- Weights & Biases - 실험 추적
- SageMaker - 클라우드 학습
- HuggingFace - 모델 배포
- Arize - 모니터링
YOLO26 및 YOLO11 모델을 기본 지원하는 올인원 플랫폼입니다.
워크플로우: 업로드 → 주석 → 학습 → 내보내기(Export) → 배포
본 플랫폼은 다음과 같은 엔드투엔드 워크플로우를 제공합니다:
graph LR
subgraph Data["📁 Data"]
A[Upload] --> B[Annotate]
B --> C[Analyze]
end
subgraph Train["🚀 Train"]
D[Configure] --> E[Train on GPU]
E --> F[View Metrics]
end
subgraph Deploy["🌐 Deploy"]
G[Export] --> H[Deploy Endpoint]
H --> I[Monitor]
end
Data --> Train --> Deploy| 단계 | 기능 |
|---|---|
| 업로드(Upload) | 이미지(50MB), 비디오(1GB) 및 데이터셋 파일(ZIP, .tar.gz/.tgz 포함 TAR, NDJSON)을 자동으로 처리 |
| 주석(Annotate) | 5가지 모든 작업 유형에 대한 수동 도구, SAM 및 YOLO 모델을 이용한 스마트 주석(Smart Annotation)(탐지, 세그먼트, OBB, 지원되는 작업 참조) |
| 학습(Train) | 클라우드 GPU(모든 플랜에서 22개 + Pro/Enterprise 전용 2개: B200, B300), 실시간 메트릭, 프로젝트 구성 |
| 내보내기(Export) | 17가지 배포 형식 (ONNX, TensorRT, CoreML, TFLite 등; 지원되는 형식 참조) |
| 배포(Deploy) | 전용 엔드포인트를 갖춘 43개 글로벌 리전, 기본적으로 스케일 투 제로(단일 활성 인스턴스) 지원 및 모니터링 |
할 수 있는 일:
- 이미지, 비디오 및 데이터셋 파일을 업로드하여 학습 데이터셋 생성
- 5가지 모든 YOLO 작업 유형에 대한 대화형 오버레이로 주석 시각화(지원되는 작업 참조)
- 클라우드 GPU(모든 플랜에서 22개, Pro 또는 Enterprise 사용 시 B200 및 B300에 대해 24개)에서 실시간 메트릭을 통해 모델 학습
- 17가지 배포 형식(ONNX, TensorRT, CoreML, TFLite 등)으로 내보내기
- 클릭 한 번으로 전용 엔드포인트를 43개 글로벌 리전에 배포
- 학습 진행 상황, 배포 상태 및 사용량 메트릭 모니터링
- 프로젝트와 데이터셋을 커뮤니티에 공개하여 협업
멀티 리전 인프라
데이터는 사용자의 리전에 안전하게 유지됩니다. Ultralytics Platform은 3개의 글로벌 리전에서 인프라를 운영합니다:
| 리전 | 라벨 | 위치 | 최적 대상 |
|---|---|---|---|
| US | 미주 | 미국 아이오와 | 미주 지역 사용자, 미주 지역에서 가장 빠름 |
| EU | 유럽, 중동 및 아프리카 | 유럽 벨기에 | 유럽 지역 사용자, GDPR 규정 준수 |
| AP | 아시아 태평양 | 아시아 태평양 대만 | 아시아 태평양 지역 사용자, 가장 낮은 APAC 지연 시간 |
온보딩 중에 리전을 선택하면 모든 데이터, 모델 및 배포는 해당 리전에 유지됩니다.
계정 생성 후에는 데이터 리전을 변경할 수 없습니다. 온보딩 과정에서 플랫폼이 각 리전에 대한 지연 시간을 측정하고 가장 가까운 리전을 추천합니다. 신중하게 선택하십시오.
주요 기능
데이터 준비
- 데이터셋 관리: 자동 처리를 통해 이미지, 비디오 또는 데이터셋 파일 업로드
- 주석 편집기(Annotation Editor): 5가지 모든 YOLO 작업 유형(탐지, 세그먼트, 포즈, OBB, 분류; 지원되는 작업 참조)에 대한 수동 주석
- 스켈레톤 템플릿: 클릭 한 번으로 포즈 주석을 생성할 수 있는 기본 제공(사람, 손, 얼굴, 개, 상자) 및 사용자 지정 스켈레톤 템플릿
- 스마트 주석: 주석 툴바에서 탐지, 세그먼트 및 OBB 작업을 위해 SAM 2.1(Tiny, Small, Base, Large), SAM 3, 사전 학습된 Ultralytics YOLO 모델 또는 자체 미세 조정된 YOLO 모델 사용
- 데이터셋 버전 관리: 재현 가능한 학습을 위해 설명이 포함된 번호가 매겨진 NDJSON 스냅샷 생성
- 통계: 클래스 분포, 위치 히트맵 및 차원 분석
graph LR
A[Upload Dataset/Images/Video] --> B[Auto-Process]
B --> C[Browse & Filter]
C --> D{Annotate}
D --> E[Manual Tools]
D --> F[SAM Smart]
D --> G[YOLO Auto-Label]
E --> H[Train-Ready Dataset]
F --> H
G --> H주석 편집기는 5가지 모든 YOLO 작업 유형을 지원합니다: 탐지(detect)(경계 상자), 세그먼트(segment)(다각형), 포즈(pose)(키포인트), OBB(방향이 지정된 상자), 분류(classify)(이미지 수준 라벨). 각 작업 유형에는 전용 그리기 도구와 키보드 단축키가 있습니다.
모델 학습
- 클라우드 학습: 실시간 메트릭과 함께 클라우드 GPU(모든 플랜에서 22개, B200 및 B300의 경우 Pro 또는 Enterprise에서 24개)를 사용하여 학습
- 원격 학습: 어디서든 학습하고 메트릭을 플랫폼으로 스트리밍(W&B 스타일)
- 프로젝트 구성: 관련 모델 그룹화, 실험 비교, 활동 추적
- 17가지 내보내기 형식: ONNX, TensorRT, CoreML, TFLite 등(지원되는 형식 참조)

웹 UI(클라우드 학습) 또는 자체 머신(원격 학습)을 통해 모델을 학습할 수 있습니다:
- 프로젝트로 이동
- Click
Train Model - 데이터셋, 모델, GPU 및 에포크 선택
- 실시간 손실 곡선 및 메트릭 모니터링
배포
- 추론 테스트: 사용자 지정 이미지를 사용하여 브라우저에서 직접 모델 테스트
- 전용 엔드포인트: 기본적으로 스케일 투 제로(단일 활성 인스턴스)를 지원하며 43개 글로벌 리전에 배포
- 모니터링: 실시간 메트릭, 요청 로그 및 성능 대시보드
graph LR
A[Trained Model] --> B{Action}
B --> C[Browser Predict]
B --> D[Export Format]
B --> E[Deploy Endpoint]
D --> F[ONNX / TensorRT / CoreML / TFLite / ...]
E --> G[43 Global Regions]
G --> H[API Endpoint URL]
H --> I[Monitor & Scale]배포 후에는 모든 언어에서 엔드포인트를 호출할 수 있습니다:
import requests
url = "https://your-endpoint-url/predict"
headers = {"Authorization": "Bearer YOUR_API_KEY"}
with open("image.jpg", "rb") as f:
response = requests.post(url, headers=headers, files={"file": f})
print(response.json())계정 관리
- 팀 및 조직: 팀원과 협업하고 역할 및 초대 관리
- API 키: 원격 학습 및 API 액세스를 위한 보안 키 관리
- 크레딧 및 결제: 투명한 가격 정책으로 사용하는 만큼만 지불하는 학습 요금
- 활동 피드: 모든 계정 이벤트 및 작업 추적
- 휴지통 및 복구: 30일 소프트 삭제 및 항목 복구 기능
- GDPR 규정 준수: 데이터 내보내기 및 계정 삭제
| 기능 | 무료(Free) | Pro(월 29달러) | Enterprise |
|---|---|---|---|
| 가입 크레딧 | $5 / $25* | - | 사용자 지정 |
| 월간 크레딧 | - | 좌석당 월 $30 | 사용자 지정 |
| 모델 | 100 | 500 | 무제한 |
| 동시 학습 | 3 | 10 | 무제한 |
| 배포 | 3 | 10 | 무제한 |
| 스토리지 | 100 GB | 500 GB | 무제한 |
| 클라우드 GPU 유형 | 22 | 24 (B200 / B300 포함) | 24 |
| 팀 | - | 최대 5명 | 최대 50명 |
| 지원 | 커뮤니티 | 우선순위 | 전담 지원 |
*가입 시 $5, 또는 확인된 회사/업무용 이메일 사용 시 $25.
빠른 링크
다음 리소스로 시작하세요:
- 빠른 시작: 첫 번째 프로젝트를 생성하고 몇 분 만에 모델을 학습하세요
- 데이터셋: 학습 데이터를 업로드하고 관리하세요
- 주석 작업: 수동 및 AI 보조 도구로 데이터에 라벨을 지정하세요
- 프로젝트: 모델과 실험을 정리하세요
- 클라우드 학습: 클라우드 GPU에서 학습하세요
- 추론: 모델을 테스트하세요
- 엔드포인트: 모델을 프로덕션 환경에 배포하세요
- 모니터링: 배포 성능을 추적하세요
- API 키: API 액세스를 관리하세요
- 결제: 크레딧 및 결제 정보
- 활동: 계정 이벤트를 추적하세요
- 휴지통: 삭제된 항목을 복구하세요
- REST API: API 참조
FAQ
Ultralytics Platform은 어떻게 시작하나요?
Ultralytics Platform을 시작하려면:
- 가입: platform.ultralytics.com에서 계정을 생성하세요
- 리전 선택: 온보딩 중 데이터 리전(US, EU, 또는 AP)을 선택하세요
- 데이터셋 업로드: 데이터셋 섹션으로 이동하여 데이터를 업로드하세요
- 모델 학습: 프로젝트를 생성하고 클라우드 GPU에서 학습을 시작하세요
- 배포: 모델을 테스트하고 전용 엔드포인트에 배포하세요
자세한 가이드는 빠른 시작 페이지를 참조하세요.
Ultralytics Platform의 장점은 무엇인가요?
Ultralytics Platform이 제공하는 기능:
- 통합 워크플로우: 데이터, 학습 및 배포를 한곳에서 관리
- 다중 리전: US, EU, 또는 AP 리전에서의 데이터 상주 지원
- 코드 없는 학습: 코딩 없이 고급 YOLO 모델을 학습
- 실시간 지표: 학습 진행 상황을 스트리밍하고 배포 상태를 모니터링
- 43개 배포 리전: 전 세계 사용자 가까이 모델을 배포
- 5가지 작업 유형: 탐지, 세그멘테이션, 포즈, OBB, 분류 지원 (작업 문서 참조)
- AI 보조 주석: SAM 및 YOLO 모델을 활용한 스마트 주석으로 데이터 준비 속도 향상
클라우드 학습에 어떤 GPU 옵션을 사용할 수 있나요?
Ultralytics Platform은 클라우드 학습을 위해 다양한 GPU 유형을 지원합니다:
| GPU | 세대 | VRAM | 시간당 비용 | 최적 대상 |
|---|---|---|---|---|
| RTX 2000 Ada | Ada | 16 GB | $0.24 | 소규모 데이터셋, 테스트 |
| RTX A4500 | Ampere | 20 GB | $0.25 | 중소규모 데이터셋 |
| RTX 4000 Ada | Ada | 20 GB | $0.26 | 중규모 데이터셋 |
| RTX A5000 | Ampere | 24 GB | $0.27 | 중규모 데이터셋 |
| L4 | Ada | 24 GB | $0.39 | 추론 최적화 |
| A40 | Ampere | 48 GB | $0.44 | 더 큰 배치 크기 |
| RTX 3090 | Ampere | 24 GB | $0.46 | 일반 학습 |
| RTX A6000 | Ampere | 48 GB | $0.49 | 대형 모델 |
| RTX PRO 4500 | Blackwell | 32 GB | $0.64 | 우수한 가격 대비 성능 |
| RTX 4090 | Ada | 24 GB | $0.69 | 최고의 가격 대비 성능 |
| RTX 6000 Ada | Ada | 48 GB | $0.77 | 대규모 배치 학습 |
| L40S | Ada | 48 GB | $0.86 | 대규모 배치 학습 |
| RTX 5090 | Blackwell | 32 GB | $0.99 | 최신 소비자용 세대 |
| L40 | Ada | 48 GB | $0.99 | 대형 모델 |
| A100 PCIe | Ampere | 80 GB | $1.39 | 프로덕션 학습 |
| A100 SXM | Ampere | 80 GB | $1.49 | 프로덕션 학습 |
| RTX PRO 6000 | Blackwell | 96 GB | $1.89 | 권장 기본 설정 |
| H100 PCIe | Hopper | 80 GB | $2.39 | 고성능 학습 |
| H100 SXM | Hopper | 80 GB | $2.99 | 가장 빠른 학습 |
| H100 NVL | Hopper | 94 GB | $3.07 | 최대 성능 |
| H200 NVL | Hopper | 143 GB | $3.39 | 최대 메모리 |
| H200 SXM | Hopper | 141 GB | $3.99 | 최대 성능 |
| B200 | Blackwell | 180 GB | $5.49 | 대규모 모델 (Pro+) |
| B300 | Blackwell | 288 GB | $7.39 | 최대 규모 모델 (Pro+) |
전체 가격 및 GPU 옵션에 대한 정보는 Cloud Training을 참조하십시오.
원격 학습은 어떻게 작동합니까?
사용자 본인의 하드웨어에서 모델을 학습시키고 Weights & Biases와 유사하게 실시간 메트릭을 플랫폼으로 스트리밍할 수 있습니다.
플랫폼 통합을 위해서는 ultralytics>=8.4.35가 필요합니다. 하위 버전은 플랫폼과 작동하지 않습니다.
pip install "ultralytics>=8.4.35"# Set your API key
export ULTRALYTICS_API_KEY="YOUR_API_KEY"
# Train with project/name to stream metrics
yolo train model=yolo26n.pt data=coco.yaml epochs=100 project=username/my-project name=exp1원격 학습에 대한 자세한 내용은 Cloud Training을 참조하십시오.
사용 가능한 어노테이션 도구는 무엇입니까?
플랫폼에는 다음을 지원하는 전체 기능을 갖춘 어노테이션 에디터가 포함되어 있습니다:
- 수동 도구: Bounding boxes, 다각형, 스켈레톤 템플릿이 포함된 키포인트, 방향성 박스, 분류
- 스켈레톤 템플릿: 내장된 템플릿(Person, Hand, Face, Dog, Box) 또는 사용자 지정 템플릿을 사용하여 모든 키포인트를 한 번에 배치하십시오.
- 스마트 어노테이션: 클릭 기반 어노테이션을 위해 SAM 2.1 또는 SAM 3을 사용하거나, 툴바에서 사전 학습된 Ultralytics YOLO 모델 및 직접 미세 조정(fine-tuned)한 YOLO 모델을 실행하여 감지(detect), 세그먼트(segment) 및 OBB 작업을 수행하십시오.
- 키보드 단축키: 단축키를 통한 효율적인 작업 흐름
| 단축키 | 작업 |
|---|---|
V | 수동(그리기) 모드 |
S | 스마트 모드 (SAM 또는 YOLO 모델) |
A | 자동 적용 토글 (스마트 모드 내) |
1 - 9 | 숫자로 클래스 선택 |
Delete | 선택한 어노테이션 삭제 |
Ctrl+Z | 실행 취소(Undo) |
Ctrl+Y | 다시 실행(Redo) |
Escape | 저장 / 선택 해제 / 종료 |
전체 가이드는 Annotation을 참조하십시오.
지원되는 내보내기 형식은 무엇입니까?
플랫폼은 17가지 배포 형식을 지원합니다:
| 형식 | 파일 확장자 | 사용 사례 |
|---|---|---|
| ONNX | .onnx | 크로스 플랫폼 배포 |
| TorchScript | .torchscript | C++ 배포 |
| OpenVINO | _openvino_model | Intel 하드웨어 |
| TensorRT | .engine | NVIDIA GPU 추론 |
| CoreML | .mlpackage | Apple 기기 |
| TFLite | .tflite | 모바일/엣지 기기 |
| TF SavedModel | _saved_model | TensorFlow 생태계 |
| TF GraphDef | .pb | TensorFlow 레거시 |
| PaddlePaddle | _paddle_model | Baidu 생태계 |
| NCNN | _ncnn_model | 모바일 (Android/ARM) |
| Edge TPU | _edgetpu.tflite | Google Coral 기기 |
| TF.js | _web_model | 브라우저 배포 |
| MNN | .mnn | Alibaba 모바일 |
| RKNN | _rknn_model | Rockchip NPU |
| IMX500 | _imx_model | Sony IMX500 센서 |
| Axelera | _axelera_model | Axelera AI 가속기 |
| ExecuTorch | _executorch_model | PyTorch 모바일 |
형식별 옵션은 Models Export, Export mode guide 및 Integrations index를 참조하십시오.
문제 해결
데이터셋 문제
| 문제 | 해결책 |
|---|---|
| 데이터셋이 처리되지 않음 | 지원되는 파일 형식(이미지의 경우 JPEG, PNG, WebP, TIFF, HEIC, AVIF, BMP, JP2, DNG, MPO)인지 확인하십시오. 최대 파일 크기: 이미지 50MB, 비디오 1GB, 데이터셋 아카이브 10GB(Free) / 20GB(Pro) / 50GB(Enterprise) |
| 주석(Annotation) 누락 | Verify labels are in YOLO format with .txt files matching image filenames, or upload COCO JSON |
| "Train split required"(학습 분할 필요) | 데이터셋 구조에 train/ 폴더를 추가하거나 split bar를 통해 분할을 재배포하십시오. |
| 클래스 이름 정의되지 않음 | Add a data.yaml file with names: list (see YOLO format), or define classes in the Classes tab |
학습 문제
| 문제 | 해결책 |
|---|---|
| 학습이 시작되지 않음 | Settings > Billing에서 크레딧 잔액을 확인하십시오. 양수의 잔액이 필요합니다. |
| 메모리 부족(Out of memory) 오류 | 배치 사이즈를 줄이거나, 더 작은 모델(n/s)을 사용하거나, VRAM이 더 많은 GPU를 선택하십시오. |
| 낮은 지표(Metrics) | 데이터셋 품질을 확인하고, epoch를 늘리고, 데이터 증강(Data augmentation)을 시도하고, 클래스 균형을 확인하십시오. |
| 학습이 느림 | 더 빠른 GPU를 선택하고, 이미지 크기를 줄이고, 데이터셋이 병목 현상을 일으키지 않는지 확인하십시오. |
배포 문제
| 문제 | 해결책 |
|---|---|
| 엔드포인트가 응답하지 않음 | 엔드포인트 상태(Ready 또는 Stopped)를 확인하십시오. 콜드 스타트는 5~15초가 걸릴 수 있습니다. |
| 401 Unauthorized(인증되지 않음) | API 키가 올바른지, 필요한 범위(Scope)를 가지고 있는지 확인하십시오. |
| 느린 추론(Inference) | 모델 크기를 확인하고, TensorRT export를 고려하고, 더 가까운 리전을 선택하십시오. |
| 내보내기(Export) 실패 | 일부 형식은 특정 모델 아키텍처가 필요합니다. 가장 넓은 호환성을 위해 ONNX를 시도하십시오. |
자주 묻는 질문
가입 후 사용자 이름을 변경할 수 있습니까?
아니요, 사용자 이름은 영구적이며 변경할 수 없습니다. 가입 시 신중하게 선택하십시오.
데이터 리전을 변경할 수 있습니까?
아니요, 데이터 리전은 가입 시 선택되며 변경할 수 없습니다. 리전을 전환하려면 새 계정을 만들고 데이터를 다시 업로드하십시오.
크레딧은 어떻게 더 얻을 수 있습니까?
Settings > Billing > Add Credits로 이동하십시오. $5에서 $1000까지 크레딧을 구매할 수 있습니다. 구매한 크레딧은 만료되지 않습니다.
학습이 실패하면 어떻게 됩니까?
완료된 컴퓨팅 시간에 대해서만 요금이 청구됩니다. 체크포인트가 저장되므로 학습을 재개할 수 있습니다.
학습된 모델을 다운로드할 수 있습니까?
네, 모델 페이지에서 다운로드 아이콘을 클릭하여 .pt 파일이나 내보낸 형식을 다운로드할 수 있습니다.
작업을 공개적으로 공유하려면 어떻게 해야 합니까?
프로젝트나 데이터셋 설정에서 가시성을 "Public"으로 전환하십시오. 공개 콘텐츠는 Explore 페이지에 표시됩니다.
파일 크기 제한은 어떻게 됩니까?
이미지: 50MB, 비디오: 1GB, 데이터셋: Free는 10GB, Pro는 20GB, Enterprise는 50GB입니다. 더 큰 파일은 여러 번 나누어 업로드하십시오.
삭제된 항목은 휴지통에 얼마나 오래 보관됩니까?
30일입니다. 그 이후에는 항목이 영구적으로 삭제되며 복구할 수 없습니다.
Platform 모델을 상업적으로 사용할 수 있습니까?
Free 및 Pro 플랜은 AGPL 라이선스를 사용합니다. AGPL 요구 사항이 없는 상업적 사용은 Ultralytics Licensing을 참조하십시오.