Ultralytics YOLO26에서 지원하는 컴퓨터 비전 작업#
Ultralytics YOLO26은 다양한 computer vision tasks를 지원하는 다목적 AI 프레임워크입니다. 이 프레임워크는 detection, segmentation, semantic segmentation, depth estimation, classification, pose estimation, OBB를 수행하는 데 사용할 수 있습니다. 이러한 각 작업은 고유한 목적과 사용 사례를 가지고 있어, 단일 프레임워크로 다양한 컴퓨터 비전 문제를 해결할 수 있습니다.
Watch: Explore Ultralytics YOLO Tasks: Object Detection, Segmentation, OBB, Tracking, and Pose Estimation.
탐지#
Detection은 YOLO26이 지원하는 주요 작업입니다. 이미지나 비디오 프레임에서 객체를 식별하고 그 주위에 경계 상자를 그리는 작업입니다. 감지된 객체는 특성에 따라 다양한 범주로 분류됩니다. YOLO26은 높은 accuracy와 속도로 단일 이미지나 비디오 프레임에서 여러 객체를 감지할 수 있어 surveillance systems 및 autonomous vehicles와 같은 실시간 응용 프로그램에 이상적입니다.
Image segmentation#
Segmentation은 각 객체에 대한 픽셀 수준의 마스크를 생성하여 객체 검출을 한 단계 더 발전시킵니다. 이 정밀도는 medical imaging, agricultural analysis, manufacturing quality control과 같은 응용 프로그램에 유용합니다.
시맨틱 세그멘테이션#
Semantic segmentation은 이미지의 모든 픽셀에 클래스 레이블을 할당하여 전체 장면에 대한 조밀한 클래스 맵을 생성합니다. 인스턴스 세그멘테이션과 달리 동일한 클래스의 개별 객체를 구분하지 않습니다. 따라서 개별 객체를 식별하는 것보다 전체 공간 레이아웃을 이해하는 것이 중요한 autonomous driving, scene parsing, 토지 피복 매핑에 이상적입니다.
단안 깊이 추정#
단안 깊이 추정(Monocular depth estimation)은 단일 RGB 이미지로부터 미터 단위의 픽셀별 깊이 맵을 예측합니다. 출력값은 입력 이미지와 정렬된 밀도 높은 float 맵으로, 공간 레이아웃을 단일 카메라로부터 추론해야 하는 3D 장면 재구성, 로봇 내비게이션 및 AR/VR 애플리케이션에 적합합니다.
분류#
Classification은 콘텐츠를 기반으로 전체 이미지를 분류하는 것입니다. 이 작업은 전자 상거래의 product categorization, content moderation, wildlife monitoring과 같은 응용 프로그램에 필수적입니다.
Pose estimation#
Pose estimation은 이미지나 비디오 프레임에서 특정 키포인트를 감지하여 움직임을 추적하거나 포즈를 추정합니다. 이러한 키포인트는 인체 관절, 얼굴 특징 또는 기타 중요한 관심 지점을 나타낼 수 있습니다. YOLO26은 높은 정확도와 속도로 키포인트 감지에서 뛰어난 성능을 발휘하여 fitness applications, sports analytics, human-computer interaction에 유용합니다.
OBB#
Oriented Bounding Box (OBB) detection은 회전된 객체를 더 잘 찾기 위해 방향 각도를 추가하여 전통적인 객체 검출을 향상시킵니다. 이 기능은 객체가 다양한 각도로 나타나는 aerial imagery analysis, document processing, industrial applications에 특히 유용합니다. YOLO26은 다양한 시나리오에서 회전된 객체를 감지하기 위한 고품질의 정확도와 속도를 제공합니다.
결론#
Ultralytics YOLO26은 detection, instance segmentation, semantic segmentation, monocular depth estimation, classification, oriented object detection, 그리고 keypoint detection을 포함한 다양한 컴퓨터 비전 작업을 지원합니다. 각 작업은 기본적인 객체 식별부터 밀도 높은 픽셀별 깊이 추론에 이르기까지 컴퓨터 비전 분야의 특정 요구 사항을 해결합니다. 각 작업의 기능과 응용 분야를 이해함으로써, 특정 컴퓨터 비전 과제에 가장 적합한 접근 방식을 선택하고 YOLO26의 강력한 기능을 활용하여 효과적인 솔루션을 구축할 수 있습니다.
다음 단계#
작업을 선택하셨나요? Datasets guide를 통해 데이터를 형식화한 다음 train on your own images를 진행하세요.
FAQ#
Ultralytics YOLO26은 높은 정확도와 속도로 다양한 컴퓨터 비전 작업을 수행할 수 있는 다목적 AI 프레임워크입니다. 이러한 작업에는 다음이 포함됩니다:
- Object Detection: 이미지나 비디오 프레임 주위에 경계 상자를 그려 객체를 식별하고 위치를 파악합니다.
- Image segmentation: 콘텐츠에 따라 이미지를 서로 다른 영역으로 분할하며, 의료 영상과 같은 응용 프로그램에 유용합니다.
- Semantic Segmentation: 밀집된 장면 이해를 위해 이미지의 모든 픽셀에 클래스 레이블을 할당합니다.
- Monocular Depth Estimation: 단일 RGB 이미지에서 미터 단위의 픽셀별 깊이 맵을 예측합니다.
- Classification: 콘텐츠를 기반으로 전체 이미지를 분류합니다.
- Pose estimation: 이미지나 비디오 프레임에서 특정 키포인트를 감지하여 움직임이나 포즈를 추적합니다.
- Oriented Object Detection (OBB): 향상된 정확도를 위해 추가된 방향 각도로 회전된 객체를 감지합니다.
Ultralytics YOLO26으로 객체 탐지를 수행하려면 다음 단계를 따르십시오:
- 적절한 형식으로 데이터셋을 준비하십시오.
- 탐지 작업을 사용하여 YOLO26 모델을 훈련하십시오.
- 새 이미지나 비디오 프레임을 입력하여 모델로 예측을 수행하십시오.
예시from ultralytics import YOLO # Load a pretrained YOLO model (adjust model type as needed) model = YOLO("yolo26n.pt") # n, s, m, l, x versions available # Perform object detection on an image results = model.predict(source="image.jpg") # Can also use video, directory, URL, etc. # Display the results results[0].show() # Show the first image results자세한 지침은 detection examples를 확인하세요.
세그멘테이션 작업에 YOLO26을 사용하면 다음과 같은 몇 가지 이점이 있습니다:
- 높은 정확도: 세그멘테이션 작업은 정밀한 픽셀 단위 마스크를 제공합니다.
- 속도: YOLO26은 실시간 애플리케이션에 최적화되어 고해상도 이미지에서도 빠른 처리를 제공합니다.
- 다양한 애플리케이션: 의료 영상, 자율 주행 및 상세한 이미지 세그멘테이션이 필요한 기타 애플리케이션에 이상적입니다.
image segmentation section에서 세그멘테이션을 위한 YOLO26의 이점과 사용 사례에 대해 자세히 알아보세요.
네, Ultralytics YOLO26은 높은 정확도와 속도로 포즈 추정 및 키포인트 탐지를 효과적으로 수행할 수 있습니다. 이 기능은 스포츠 분석, 의료 및 인간-컴퓨터 상호작용 애플리케이션에서 움직임을 추적하는 데 특히 유용합니다. YOLO26은 이미지나 비디오 프레임에서 키포인트를 탐지하여 정밀한 포즈 추정을 가능하게 합니다.
자세한 내용과 구현 팁은 pose estimation examples를 방문하세요.
YOLO26을 사용한 Oriented Object Detection (OBB)은 추가 각도 매개변수로 객체를 감지하여 향상된 precision을 제공합니다. 이 기능은 항공 이미지 분석 및 창고 자동화와 같이 회전된 객체의 정확한 위치 파악이 필요한 응용 프로그램에 유용합니다.
- 정밀도 향상: 각도 요소는 회전된 객체에 대한 오탐지를 줄입니다.
- 다양한 애플리케이션: 지리공간 분석, 로봇 공학 등의 작업에 유용합니다.
자세한 내용과 예제는 Oriented Object Detection section을 확인하세요.