YOLO 모델로 객체 감지, 이미지 분류를 쉽게!
Ultralytics YOLO는 객체 감지(Object Detection), 이미지 분할(Image Segmentation), 자세 추정(Pose Estimation) 등 다양한 컴퓨터 비전 작업을 위한 모델을 제공함
PyTorch 기반으로 구축되어 사용이 용이하며, CLI 및 Python API를 통해 쉽게 사용 가능함
다양한 YOLO 모델(YOLO26n, YOLO26s 등)을 지원하며, COCO, ImageNet, DOTAv1 등 다양한 데이터셋(Dataset)에 대해 사전 훈련된 모델을 제공함
Weights & Biases, Comet ML, Roboflow, Intel OpenVINO 등 다양한 AI 플랫폼과의 통합을 지원하여 워크플로우(Workflow)를 최적화함
다양한 YOLO 모델 지원 및 성능 비교
Ultralytics YOLO는 YOLOv3부터 최신 YOLO26 모델까지 다양한 모델을 지원하며, 각 모델은 COCO, ImageNet, DOTAv1 등 다양한 데이터셋(Dataset)에 대해 사전 훈련되었다. 특히, YOLO26 모델은 다양한 크기(n, s, m, l, x)로 제공되어, 사용자는 자신의 요구 사항에 맞는 모델을 선택할 수 있다. 각 모델은 mAP, 속도, 파라미터 수, FLOPs 등 다양한 성능 지표를 제공하여, 사용자가 모델을 선택하는 데 도움을 준다.
CLI 및 Python API를 통한 간편한 사용
Ultralytics YOLO는 CLI(Command Line Interface)와 Python API를 모두 지원하여, 사용자가 자신의 프로젝트에 쉽게 통합할 수 있도록 설계되었다. CLI를 사용하면 `yolo predict` 명령어를 통해 사전 훈련된 모델을 사용하여 이미지 예측을 수행할 수 있으며, Python API를 사용하면 `YOLO()` 클래스를 통해 모델을 로드하고 훈련, 평가, 예측, 내보내기 등 다양한 작업을 수행할 수 있다. 이러한 유연성은 다양한 사용 사례(Use Case)에 적용될 수 있도록 한다.
다양한 통합(Integration) 지원
Ultralytics는 Weights & Biases, Comet ML, Roboflow, Intel OpenVINO 등 다양한 AI 플랫폼과의 통합을 지원하여, 사용자의 워크플로우(Workflow)를 최적화한다. Weights & Biases를 통해 실험 추적, 하이퍼파라미터 관리, 결과 시각화를 수행할 수 있으며, Comet ML을 통해 모델 저장, 훈련 재개, 예측 시각화를 할 수 있다. 또한, Neural Magic DeepSparse를 사용하여 YOLO 추론 속도를 향상시킬 수 있다. 이러한 통합은 AI 모델 개발 및 배포 과정의 효율성을 높이는 데 기여한다.
상업적 사용을 위한 라이선스 옵션
Ultralytics는 AGPL-3.0 라이선스와 상업적 사용을 위한 Ultralytics Enterprise 라이선스를 제공한다. AGPL-3.0 라이선스는 학생, 연구자, 애호가를 위한 오픈 소스 라이선스이며, Ultralytics Enterprise 라이선스는 상업적 제품 및 서비스에 Ultralytics 소프트웨어 및 AI 모델을 통합할 수 있도록 설계되었다. 이러한 다양한 라이선스 옵션(License Option)은 사용자의 요구 사항에 맞는 유연성을 제공하며, 상업적 사용을 위한 명확한 가이드라인을 제시한다.
