Ultralytics Platform#

Ultralytics Platform은 데이터 준비부터 모델 배포까지 전체 ML workflow를 간소화하는 종합적인 엔드투엔드 컴퓨터 비전 플랫폼입니다. 인프라의 복잡성 없이 프로덕션 수준의 컴퓨터 비전 솔루션이 필요한 팀과 개인을 위해 구축되었습니다.

Ultralytics Platform이란 무엇입니까?#

Ultralytics Platform은 데이터 세트 관리 및 어노테이션, 실험 추적, 클라우드 및 원격 학습, 모델 내보내기, 전용 추론 엔드포인트, 배포 모니터링을 하나의 workspace로 통합합니다. YOLO26, YOLO11, YOLOv8, YOLOv5 모델을 기본 지원합니다.

Workflow: 업로드 → 어노테이션 → 학습 → 내보내기 또는 배포#

Platform은 엔드투엔드 workflow를 제공합니다:

graph LR
    subgraph Data["📁 Data"]
        A[Upload]:::start --> B[Annotate]:::proc
    end
    subgraph Train["🚀 Train"]
        D[Configure]:::proc --> E[Train on GPU]:::proc
        E --> F[View Metrics]:::out
    end
    subgraph Deploy["🌐 Export or Deploy"]
        G[Export]:::proc
        H[Deploy Endpoint]:::proc --> I[Monitor]:::out
    end
    Data --> Train
    E --> G
    E --> H

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef out fill:#9C27B0,color:#fff

수행할 수 있는 작업:

• 이미지, 동영상, 데이터 세트 파일을 업로드하여 학습 데이터 세트를 생성합니다.
• 어노테이션 편집기에서 지원하는 6가지 YOLO task 유형에 대해 대화형 오버레이로 어노테이션을 시각화합니다(지원되는 task 유형 참조).
• 실시간 metrics를 확인하면서 클라우드 GPU(모든 플랜에서 24개, B200 및 B300 사용 시 Pro 또는 Enterprise에서 26개)에서 모델을 학습합니다.
• 20가지 배포 형식(ONNX, TensorRT, CoreML, LiteRT, Hailo, Ascend 등)으로 내보냅니다.
• 원클릭 전용 엔드포인트를 사용하여 전 세계 42개 리전에 배포합니다.
• 모델, 조건, 데이터셋 수집, Slack 알림을 연결하는 Agents workflows를 빌드합니다
• 학습 진행률, 배포 상태, 사용량 metrics를 모니터링합니다.
• 통합을 통해 클라우드 스토리지, 어노테이션 도구, Slack을 연결합니다.
• 프로젝트와 데이터 세트를 커뮤니티에 공개하여 협업합니다.

멀티 리전 인프라#

데이터는 선택한 리전에 유지됩니다. Ultralytics Platform은 전 세계 3개 리전에서 인프라를 운영합니다:

온보딩 중 데이터 리전을 선택합니다. 데이터 세트, 모델, 관리형 학습 데이터는 해당 리전에 유지됩니다. 전용 엔드포인트는 전 세계 배포 맵에서 선택한 리전에 별도로 배포됩니다.

주요 기능#

데이터 준비#

• 데이터 세트 관리: 로컬 파일, URL, 연결된 클라우드 스토리지 또는 온프레미스 호스트에서 자동 처리를 통해 데이터 세트를 생성합니다.
• 어노테이션 편집기: 6가지 YOLO task 유형을 위한 수동 어노테이션 도구(detect, segment, semantic, classify, pose, OBB; 지원되는 task 유형 참조)
• 스켈레톤 템플릿: 원클릭 pose 어노테이션을 위한 기본 제공(Person, Hand, Dog, Face, Box) 및 사용자 지정 스켈레톤 템플릿
• Smart Annotation: detect, segment, semantic, OBB 태스크의 경우 주석 툴바에서 SAM 2.1(Tiny, Small, Base, Large), SAM 3, 또는 SAM 3.1(기본값)을 사용하거나, 해당 태스크 및 pose의 경우 사전 훈련된 Ultralytics YOLO 모델 및 자체 미세 조정된 YOLO 모델을 사용합니다.
• 데이터 세트 버전 관리: 설명이 포함된 번호 지정 NDJSON 스냅샷을 생성한 다음, 재현 가능한 학습을 위해 모든 버전을 다운로드하거나 복원합니다.
• 통계: 클래스 분포, 분할 분포, 위치 heatmap, bounding box 차원 분석

graph LR
    A[Upload Dataset/Images/Video]:::start --> B[Auto-Process]:::proc
    B --> C[Browse & Filter]:::proc
    C --> D{Annotate}:::decide
    D --> E[Manual Tools]:::proc
    D --> F[SAM Smart]:::proc
    D --> G[YOLO Auto-Label]:::proc
    E --> H[Train-Ready Dataset]:::out
    F --> H
    G --> H

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef decide fill:#FF9800,color:#fff
    classDef out fill:#9C27B0,color:#fff

모델 학습#

• 클라우드 학습: 실시간 metrics와 실시간 비용 추정 기능을 사용하여 클라우드 GPU(모든 플랜에서 24개, B200 및 B300 사용 시 Pro 또는 Enterprise에서 26개)에서 학습합니다.
• 원격 학습: 어디서나 학습하고 metrics를 Ultralytics Platform으로 스트리밍합니다.
• 고급 설정: 학습 대화 상자의 기본 제공 YAML 편집기에서 모든 Ultralytics 학습 인자를 재정의합니다.
• 프로젝트 구성: 관련 모델을 그룹화하고, 실험을 비교하며, 활동을 추적합니다.
• 20가지 내보내기 형식: ONNX, TensorRT, CoreML, LiteRT, Hailo, Ascend 등(지원되는 형식 참조)

웹 UI를 통한 클라우드 학습 방식이나 사용자의 자체 머신을 이용한 원격 학습 방식 중 하나를 선택하여 모델을 학습할 수 있습니다:

배포#

• 추론 테스트: 자체 이미지, webcam 캡처 또는 기본 제공 예제를 사용하여 브라우저에서 직접 모델을 테스트합니다.
• 전용 엔드포인트: 기본 scale-to-zero(활성 인스턴스 1개)로 전 세계 42개 리전에 배포합니다.
• 모니터링: 실시간 metrics, 요청 로그, 성능 dashboard

graph LR
    A[Trained Model]:::start --> B{Action}:::decide
    B --> C[Browser Predict]:::proc
    B --> D[Export Format]:::proc
    B --> E[Deploy Endpoint]:::proc
    D --> F[ONNX / TensorRT / CoreML / LiteRT / ...]:::out
    E --> G[42 Global Regions]:::proc
    G --> H[API Endpoint URL]:::proc
    H --> I[Monitor & Scale]:::out

    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef decide fill:#FF9800,color:#fff
    classDef out fill:#9C27B0,color:#fff

배포가 완료되면 모든 언어에서 엔드포인트를 호출할 수 있습니다. conf, iou, imgsz는 선택적 form field이며 기본값은 0.25, 0.7, 640입니다:

import requests

url = "https://your-deployment-url.run.app/predict"
api_key = "YOUR_API_KEY"
args = {"conf": 0.25, "iou": 0.7, "imgsz": 640}

with open("image.jpg", "rb") as f:
    response = requests.post(
        url,
        headers={"Authorization": f"Bearer {api_key}"},
        data=args,
        files={"file": f},
    )

print(response.json())

계정 관리#

• 팀 및 조직: 팀 구성원과 협업하고, 역할 및 초대를 관리하며, 계정 메뉴에서 workspace를 전환합니다.
• API 키: 원격 학습 및 API 액세스를 위한 안전한 키 관리
• 크레딧 및 결제: 투명한 가격 정책으로 사용량에 따라 결제하는 학습과 $5~$1,000의 충전 기능
• 활동 피드: 모든 계정 이벤트와 작업을 추적합니다.
• 휴지통 및 복원: 30일 소프트 삭제 및 항목 복구
• GDPR 준수: 데이터 내보내기 및 계정 삭제

빠른 링크#

다음 리소스를 통해 시작하십시오:

• 빠른 시작: 몇 분 만에 첫 프로젝트를 생성하고 모델을 학습합니다.
• 탐색: 공개 데이터 세트와 프로젝트를 찾아보고 복제합니다.
• 데이터: 데이터 세트 준비 개요
• 데이터 세트: 학습 데이터를 업로드하고 관리합니다.
• 어노테이션: 수동 및 AI 지원 도구로 데이터에 레이블을 지정합니다.
• 학습: 학습 개요
• 프로젝트: 모델과 실험을 구성합니다.
• 모델: 모델 페이지, 다운로드, 내보내기
• 클라우드 학습: 클라우드 GPU에서 학습합니다.
• 배포: 배포 개요
• 추론: 모델을 테스트합니다.
• 엔드포인트: 모델을 프로덕션에 배포합니다.
• 모니터링: 배포 성능을 추적합니다.
• 계정: 계정 개요
• 설정: 프로필 및 워크스페이스 기본 설정
• 팀: 멤버, 역할 및 초대
• API 키: API 액세스 관리
• 결제: 크레딧 및 결제 수단
• 활동: 계정 이벤트 추적
• 휴지통: 삭제된 항목 복구
• 통합: 클라우드 스토리지, 어노테이션 도구 및 Slack
• REST API: API 레퍼런스

문제 해결#

데이터셋 문제#

트레이닝 문제#

배포 문제#

자주 묻는 질문#

FAQ#