Ultralytics YOLO

설명

Ultralytics YOLO는 실시간 객체 탐지 및 이미지 분할 기능으로 유명한 포괄적인 AI 프레임워크입니다. 최신 버전인 YOLO26은 상당한 딥러닝 및 컴퓨터 비전 발전을 기반으로 구축된 차세대 비전 AI를 대표합니다. 종단 간 NMS-free 추론 및 최적화된 엣지 배포 기능을 갖추고 있어 소형 엣지 장치부터 강력한 클라우드 API까지 다양한 하드웨어 플랫폼에 매우 적합합니다.

이 프레임워크는 주석 달기, 학습부터 배포까지 전체 컴퓨터 비전 워크플로우를 간소화하도록 설계되었습니다. 사용자는 YOLO 모델을 쉽게 주석 달고, 학습하고, 배포할 수 있습니다. Ultralytics 문서는 프레임워크의 기능을 이해하고 활용하기 위한 중앙 허브 역할을 하며, 숙련된 머신러닝 실무자와 이 분야의 신규 사용자 모두를 대상으로 합니다. 목표는 다양한 프로젝트에서 YOLO의 잠재력을 극대화하는 것입니다.

YOLO 제품군은 2015년 Joseph Redmon과 Ali Farhadi의 초기 릴리스로 시작된 풍부한 역사를 가지고 있습니다. YOLOv2, YOLOv3, YOLOv4, YOLOv5, YOLOv6, YOLOv7, YOLOv8, YOLOv9, YOLOv10 및 최신 YOLO11을 포함한 후속 버전들은 지속적으로 아키텍처 개선 및 혁신적인 기술을 도입해 왔습니다. YOLO26은 이러한 발전을 이어가며 전체 비전 AI 작업에 대해 향상된 성능, 유연성 및 효율성을 제공합니다.

Ultralytics는 학생 및 애호가를 위한 AGPL-3.0 오픈 소스 라이선스와 상업적 사용을 위한 엔터프라이즈 라이선스를 포함한 유연한 라이선스 옵션을 제공합니다. 이 이중 접근 방식은 개방형 협업을 장려하는 동시에 기업이 Ultralytics 소프트웨어 및 AI 모델을 제품 및 서비스에 원활하게 통합할 수 있도록 보장합니다. 이 프레임워크는 탐지, 인스턴스 분할, 의미 분할, 자세 추정, 추적 및 분류를 포함한 광범위한 컴퓨터 비전 작업을 지원하여 개발자 및 연구자에게 다용도 도구입니다.

Ultralytics YOLO의 핵심 기능

• 실시간 객체 탐지

• 이미지 분할

• NMS-free 추론을 갖춘 YOLO26 모델

• 최적화된 엣지 배포

• 클라우드 API 배포

• 탐지, 분할, 자세 추정, 추적 및 분류 작업 지원

• 간소화된 주석, 학습 및 배포 워크플로우

• AGPL-3.0 오픈 소스 라이선스

• 상업적 사용을 위한 엔터프라이즈 라이선스

• 사용자 지정 데이터셋과의 통합

• 다중 객체 추적 기능

Ultralytics YOLO 시작하기

1. 1

   설치: pip를 사용하여 ultralytics 패키지를 설치합니다.

2. 2

   빠른 시작: 빠른 시작 가이드를 따라 초기 설정 및 첫 모델 실행 방법을 확인합니다.

3. 3

   예측: predict 모드를 사용하여 이미지, 비디오 및 스트림에 대한 추론을 수행합니다.

4. 4

   학습: train 모드를 사용하여 사용자 지정 데이터셋으로 새로운 YOLO 모델을 학습시킵니다.

5. 5

   작업 탐색: detect, segment, pose와 같은 다양한 컴퓨터 비전 작업을 탐색하고 구현합니다.

6. 6

   추적: track 명령을 사용하여 다중 객체 추적을 구현합니다.

7. 7

   배포: 엣지 장치 또는 클라우드 API에 모델을 배포합니다.

Ultralytics YOLO의 사용 사례

• 객체 탐지
• 이미지 분할
• 자세 추정
• 객체 추적
• 자율 시스템
• 감시 및 보안
• 의료 영상 분석
• 소매 분석

Ultralytics YOLO의 FAQ

• Ultralytics YOLO란 무엇이며 객체 탐지를 어떻게 개선하나요?

  Ultralytics YOLO는 실시간 객체 탐지 및 이미지 분할을 위한 AI 프레임워크입니다. 최신 YOLO26 모델은 종단 간 NMS-free 추론 및 최적화된 엣지 배포를 통해 성능을 향상시키며 탐지, 분할, 자세 추정 및 추적과 같은 작업을 지원합니다.

• YOLO 설치 및 설정을 어떻게 시작할 수 있나요?

  'pip install -U ultralytics' 명령을 사용하여 pip로 Ultralytics YOLO를 쉽게 설치할 수 있습니다. 설치 및 초기 설정을 돕기 위해 빠른 시작 페이지에서 포괄적인 단계별 가이드를 제공합니다.

• 내 데이터셋으로 사용자 지정 YOLO 모델을 어떻게 학습시킬 수 있나요?

  사용자 지정 YOLO 모델을 학습시키려면 주석이 달린 데이터셋을 준비하고, YAML 파일에서 학습 매개변수를 구성한 다음, 'yolo TASK train' 명령을 사용합니다. 예를 들어, 객체 탐지의 경우 'model.train(data="path/to/dataset.yaml", epochs=100, imgsz=640)'입니다.

• Ultralytics YOLO에 사용할 수 있는 라이선스 옵션은 무엇인가요?

  Ultralytics는 두 가지 라이선스 옵션을 제공합니다. 교육 및 비상업적 사용에 적합한 AGPL-3.0 오픈 소스 라이선스와 오픈 소스 요구 사항을 우회하는 개발 및 프로덕션 사용을 위한 엔터프라이즈 라이선스입니다.

• Ultralytics YOLO를 실시간 객체 추적에 어떻게 사용할 수 있나요?

  Ultralytics YOLO는 효율적인 다중 객체 추적을 지원합니다. 'yolo track' 명령을 사용하여 이 기능을 활용할 수 있습니다. 예를 들어, 'model.track(source="path/to/video.mp4")'를 사용하여 비디오 또는 라이브 스트림에서 객체를 추적할 수 있습니다.

• Ultralytics YOLO는 어떤 컴퓨터 비전 작업을 지원하나요?

  Ultralytics YOLO는 객체 탐지, 인스턴스 분할, 의미 분할, 자세 추정, 추적 및 분류를 포함한 광범위한 비전 AI 작업을 지원합니다.

• YOLO26의 주요 장점은 무엇인가요?

  YOLO26의 주요 장점은 차세대 비전 AI 기능, 종단 간 NMS-free 추론 및 최적화된 엣지 배포로, 실제 애플리케이션에 효율적입니다.

• Ultralytics YOLO의 문서는 어디에서 찾을 수 있나요?

  docs.ultralytics.com의 Ultralytics 문서는 가이드, 참조 및 작업 탐색을 포함하여 YOLO 기능을 이해하고 활용하기 위한 포괄적인 리소스를 제공합니다.

• YOLO를 엣지 장치에 배포할 수 있나요?

  예, YOLO26은 엣지 배포에 최적화되어 있어 다양한 엣지 장치에서 효율적으로 작동할 수 있습니다.

• YOLO 모델의 역사는 어떻게 되나요?

  YOLO(You Only Look Once) 모델은 2015년에 처음 개발되었으며, 이후 YOLOv2, YOLOv3, YOLOv8 및 최신 YOLO26과 같은 버전을 통해 수많은 발전을 거듭하며 성능 개선과 새로운 기능을 도입했습니다.