실시간 YOLO 객체 탐지
Ultralytics YOLO26 탐지 모델로 이미지와 동영상에서 객체를 찾고 위치를 파악하세요. 자체 데이터로 학습하고, 명확한 지표로 평가하고, 엣지, 클라우드, 모바일 환경에 실시간으로 배포할 수 있습니다.
YOLO26 탐지 모델
객체 탐지는 YOLO26 제품군의 기본 작업이며, 다섯 가지 모델 크기로 임베디드 CPU부터 정확도가 중요한 클라우드 워크로드까지 지원합니다. 모든 크기의 모델은 동일한 세 줄 API를 사용해 자체 데이터로 학습할 수 있으며, 하드웨어에서 가장 잘 실행되는 형식으로 내보낼 수 있습니다.
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLO26 detection model
model = YOLO("yolo26n.pt")
# Run inference
results = model("image.jpg")| 모델 | 크기 (px) | mAP 50-95 | mAP 50-95 (e2e) | CPU ONNX (ms) | T4 TensorRT (ms) | 파라미터 (M) | FLOPs (B) |
|---|---|---|---|---|---|---|---|
| YOLO26n | 640 | 40.9 | 40.1 | 38.9 ± 0.7 | 1.7 ± 0.0 | 2.4 | 5.4 |
| YOLO26s | 640 | 48.6 | 47.8 | 87.2 ± 0.9 | 2.5 ± 0.0 | 9.5 | 20.7 |
| YOLO26m | 640 | 53.1 | 52.5 | 220.0 ± 1.4 | 4.7 ± 0.1 | 20.4 | 68.2 |
| YOLO26l | 640 | 55.0 | 54.4 | 286.2 ± 2.0 | 6.2 ± 0.2 | 24.8 | 86.4 |
| YOLO26x | 640 | 57.5 | 56.9 | 525.8 ± 4.0 | 11.8 ± 0.2 | 55.7 | 193.9 |
Ultralytics 문서의 YOLO26 감지 벤치마크입니다.
세계 유수의 조직이 신뢰합니다
모델이 미치는 영향
Ultralytics의 최첨단 비전 AI 모델로 다양한 산업 분야의 프로세스를 간소화하세요. 속도, 정확도, 사용 편의성을 제공합니다.
Ultralytics YOLO 모델의 발전 과정
실용적인 YOLOv5 워크플로에서 엣지에 최적화된 YOLO26 추론에 이르기까지 Ultralytics YOLO의 발전 과정을 살펴보세요.
스마트 어노테이션으로 최대 10배 더 빠르게 라벨링하세요
Ultralytics Platform은 고품질 데이터셋을 더 빠르게 구축할 수 있는 이미지 어노테이션 도구를 제공합니다. 스마트 어노테이션부터 정밀한 수동 편집까지, 이러한 기능은 품질을 유지하면서 이미지 라벨링 시간을 줄이도록 설계되었습니다.
- SAM 기반 스마트 어노테이션:한 번의 클릭으로 마스크와 바운딩 박스를 생성합니다.
- 모든 AI 작업 지원:객체 탐지, 인스턴스 세그멘테이션, 시맨틱 세그멘테이션, 분류, 포즈, OBB.
- 범용 형식 지원:YOLO, COCO 등 원하는 형식을 선택하세요.
- 팀 검토 및 버전 관리:모든 단계에서 원활하게 협업할 수 있습니다.
최고의 GPU에서 더 저렴하게 학습하세요
Ampere부터 Blackwell까지 NVIDIA GPU 26종을 시간당 $0.24부터 이용하세요. 추가 요금, 최소 이용 조건, 약정이 없습니다.
산업별 솔루션 살펴보기
팀이 실제 운영 환경 전반에서 Ultralytics 컴퓨터 비전을 어떻게 적용하는지 알아보세요.
농업
자동차
의료
물류
제조
소매
로보틱스
자주 묻는 질문
객체 탐지는 이미지 또는 동영상 프레임에서 객체를 식별하고, 바운딩 박스와 클래스 레이블로 각 객체의 위치를 파악합니다. Ultralytics YOLO 모델은 한 번의 패스로 탐지를 수행하므로 엣지 디바이스부터 클라우드 GPU까지 다양한 하드웨어에서 실시간으로 실행됩니다. 탐지는 Ultralytics YOLO 제품군의 기본 작업이며 추적, 계수, 분석 워크플로의 시작점입니다.
Ultralytics YOLO26은 가장 최신의 안정 버전으로, 새로운 탐지 프로젝트에 권장되는 선택입니다. 엔드투엔드 NMS 없는 설계로 배포를 간소화하며, 나노 변형은 CPU 및 엣지 추론에 최적화되어 있습니다. YOLO11 및 YOLOv5u와 같은 이전 제품군도 동일한 API를 통해 계속 지원됩니다.
YOLO 형식의 데이터셋으로 Ultralytics 라이브러리의 학습 모드를 사용하거나, Ultralytics Platform을 사용해 이미지를 어노테이션하고 클라우드 GPU에서 학습하며 브라우저에서 실행을 관리하세요. 사전 학습된 가중치에서 시작하는 방법을 권장합니다. 파인튜닝은 처음부터 학습하는 것보다 더 빠르게 수렴하고 데이터도 덜 필요합니다.
탐지 모델은 IoU 임계값 전반에서 계산한 정밀도, 재현율, 평균 정밀도(mAP)로 평가합니다. Ultralytics 검증은 각 클래스의 지표를 자동으로 보고합니다. 모델 평가 가이드에서 지표 해석 방법과 데이터셋 및 학습 설정을 개선하는 방법을 확인할 수 있습니다.
Ultralytics로 객체 탐지 구축하기
Ultralytics Platform으로 데이터를 어노테이션하고, YOLO26 탐지 모델을 학습하고, 어디서나 배포하세요.