Ultralytics YOLO26에서 지원하는 컴퓨터 비전 작업#
Ultralytics YOLO26은 여러 컴퓨터 비전 작업을 지원하는 다목적 AI 프레임워크입니다. 이 프레임워크를 사용하면 객체 감지, 분할, 시맨틱 분할, 깊이 추정, 분류, 포즈 추정 및 OBB를 수행할 수 있습니다. 각 작업은 목표와 사용 사례가 서로 다르므로 하나의 프레임워크로 다양한 컴퓨터 비전 과제를 해결할 수 있습니다.
예정된 YOLO27 지원에 대한 내용은 YOLO27 미리보기를 참조하세요. YOLO27은 곧 출시될 예정이며 아직 사용할 수 없습니다. 이 가이드에서는 출시된 YOLO26 모델을 사용합니다.
감지#
감지는 YOLO26이 지원하는 주요 작업입니다. 이미지나 비디오 프레임에서 객체를 식별하고 객체 주위에 바운딩 박스를 그리는 작업입니다. 감지된 객체는 특징을 기준으로 여러 범주로 분류됩니다. YOLO26은 단일 이미지나 비디오 프레임에서 여러 객체를 높은 정확도와 속도로 감지할 수 있어 감시 시스템 및 자율주행 차량과 같은 실시간 애플리케이션에 적합합니다.
인스턴스 분할#
분할은 객체 감지의 기능을 확장하여 각 객체에 대한 픽셀 단위 마스크를 생성합니다. 이러한 정밀도는 의료 영상, 농업 분석, 제조 품질 관리와 같은 애플리케이션에 유용합니다.
시맨틱 분할#
시맨틱 분할은 이미지의 모든 픽셀에 클래스 레이블을 지정하여 장면 전체에 대한 조밀한 클래스 맵을 생성합니다. 인스턴스 분할과 달리 같은 클래스에 속하는 개별 객체를 구분하지 않습니다. 따라서 개별 객체 식별보다 전체 공간 배치의 이해가 중요한 자율주행, 장면 파싱, 토지 피복 매핑에 적합합니다.
깊이 추정#
단안 깊이 추정은 단일 RGB 이미지에서 픽셀별 깊이 맵을 미터 단위로 예측합니다. 출력은 입력 이미지와 정렬된 조밀한 부동 소수점 맵이므로, 단일 카메라에서 공간 배치를 추론해야 하는 3D 장면 재구성, 로봇 내비게이션, AR/VR 애플리케이션에 적합합니다.
분류#
분류는 콘텐츠를 기준으로 이미지 전체를 범주화하는 작업입니다. 이 작업은 전자상거래의 제품 분류, 콘텐츠 검토, 야생동물 모니터링과 같은 애플리케이션에 필수적입니다.
자세 추정#
포즈 추정은 이미지나 비디오 프레임에서 특정 키포인트를 감지하여 움직임을 추적하거나 포즈를 추정합니다. 이러한 키포인트는 사람의 관절, 얼굴 특징 또는 그 밖의 중요한 관심 지점을 나타낼 수 있습니다. YOLO26은 높은 정확도와 속도로 키포인트를 감지하므로 피트니스 애플리케이션, 스포츠 분석, 인간-컴퓨터 상호작용에 유용합니다.
OBB#
방향성 바운딩 박스(OBB) 감지는 방향 각도를 추가하여 기존 객체 감지를 개선하고 회전된 객체의 위치를 더욱 정확하게 찾습니다. 이 기능은 다양한 각도로 객체가 나타나는 항공 이미지 분석, 문서 처리, 산업 분야 애플리케이션에서 특히 유용합니다. YOLO26은 다양한 시나리오에서 회전된 객체를 높은 정확도와 속도로 감지합니다.
다음 단계#
작업을 선택하셨나요? 데이터셋 가이드를 참고하여 해당 작업에 맞게 데이터를 구성한 다음, 자체 이미지로 학습하세요.
자주 묻는 질문#
Ultralytics YOLO26은 다양한 컴퓨터 비전 작업을 높은 정확도와 속도로 수행할 수 있는 다목적 AI 프레임워크입니다. 이러한 작업은 다음과 같습니다:
- 객체 감지: 이미지 또는 비디오 프레임에서 객체 주변에 바운딩 박스를 그려 객체를 식별하고 위치를 찾습니다.
- 인스턴스 세그멘테이션: 감지된 각 객체에 대해 픽셀 단위 마스크를 생성하며, 의료 영상과 같은 애플리케이션에 유용합니다.
- 시맨틱 세그멘테이션: 장면을 조밀하게 이해할 수 있도록 이미지의 모든 픽셀에 클래스 레이블을 할당합니다.
- 깊이 추정: 단일 RGB 이미지에서 픽셀별 깊이 맵을 미터 단위로 예측합니다.
- 분류: 이미지 콘텐츠를 기반으로 전체 이미지를 분류합니다.
- 포즈 추정: 움직임이나 포즈를 추적하기 위해 이미지 또는 비디오 프레임에서 특정 키포인트를 감지합니다.
- 방향성 객체 감지(OBB): 정확도를 높이기 위해 방향 각도를 추가하여 회전된 객체를 감지합니다.
Ultralytics YOLO26으로 객체 감지를 수행하려면 다음 단계를 따르세요:
- 데이터셋을 적절한 형식으로 준비합니다.
- 감지 작업을 사용하여 YOLO26 모델을 학습합니다.
- 새 이미지나 비디오 프레임을 입력하여 모델로 예측을 수행합니다.
예제from ultralytics import YOLO # 사전 학습된 YOLO 모델을 로드합니다(필요에 따라 모델 유형 조정). model = YOLO("yolo26n.pt") # n, s, m, l, x 버전을 사용할 수 있습니다 # 이미지에서 객체 탐지 수행 results = model.predict(source="image.jpg") # 비디오, 디렉터리, URL 등도 사용할 수 있습니다 # 결과를 표시합니다 results[0].show() # 첫 번째 이미지 결과를 표시합니다자세한 안내는 감지 예제를 참조하세요.
세그멘테이션 작업에 YOLO26을 사용하면 다음과 같은 여러 이점을 얻을 수 있습니다:
- 높은 정확도: 세그멘테이션 작업은 정확한 픽셀 단위 마스크를 제공합니다.
- 속도: YOLO26은 실시간 애플리케이션에 최적화되어 있어 고해상도 이미지도 빠르게 처리합니다.
- 다양한 애플리케이션: 의료 영상, 자율 주행 및 세부적인 이미지 세그멘테이션이 필요한 기타 애플리케이션에 적합합니다.
이미지 세그멘테이션 섹션에서 YOLO26의 세그멘테이션 관련 이점과 사용 사례를 자세히 알아보세요.
예. Ultralytics YOLO26은 포즈 추정과 키포인트 감지를 높은 정확도와 속도로 효과적으로 수행할 수 있습니다. 이 기능은 스포츠 분석, 의료, 인간-컴퓨터 상호작용 애플리케이션에서 움직임을 추적하는 데 특히 유용합니다. YOLO26은 이미지 또는 비디오 프레임에서 키포인트를 감지하여 정확한 포즈 추정을 지원합니다.
자세한 내용과 구현 팁은 포즈 추정 예제를 참조하세요.
YOLO26의 방향성 객체 감지(OBB)는 추가 각도 매개변수를 사용하여 객체를 감지함으로써 정밀도를 높입니다. 이 기능은 항공 이미지 분석 및 창고 자동화처럼 회전된 객체의 위치를 정확히 찾아야 하는 애플리케이션에 유용합니다.
- 정밀도 향상: 각도 요소를 통해 회전된 객체의 오탐을 줄입니다.
- 다양한 애플리케이션: 지공간 분석, 로보틱스 등의 작업에 유용합니다.
자세한 내용과 예제는 방향성 객체 감지 섹션을 참조하세요.