Ultralytics YOLO11과 그 응용 분야에 대해 알아야 할 모든 것

9월 30일 월요일, Ultralytics는 Ultralytics의 연례 하이브리드 이벤트인 YOLO Vision 2024 (YV24)에서의 첫 공개에 이어 computer vision 분야의 최신 발전인 Ultralytics YOLO11을 공식 출시했습니다. AI 커뮤니티는 모델의 기능을 탐구하기 위해 서두르며 큰 기대감으로 들떠 있습니다. 더 빠른 처리 속도, 더 높은 정확도, 그리고 엣지 디바이스와 클라우드 배포 모두에 최적화된 모델을 갖춘 YOLO11은 실시간 computer vision 애플리케이션에서 가능한 것의 정의를 새롭게 씁니다.

Ultralytics의 창립자이자 CEO인 Glenn Jocher는 인터뷰에서 다음과 같이 공유했습니다. “세계는 청정에너지를 향해 나아가고 있지만, 충분히 빠르지 않습니다. 우리는 우리 모델이 더 적은 에폭, 더 적은 증강, 더 적은 데이터로 학습될 수 있기를 원하며, 이를 위해 열심히 노력하고 있습니다. 가장 작은 객체 검출 모델인 YOLO11n은 260만 개의 파라미터만 가지고 있으며, 이는 JPEG 크기 정도로 정말 놀라울 정도입니다. 가장 큰 객체 검출 모델인 YOLO11x는 약 5,600만 개의 파라미터를 가지고 있으며, 이 역시 다른 모델들에 비하면 믿을 수 없을 정도로 작습니다. 5년 지난 Nvidia GPU와 같은 저렴한 GPU에서도 약간의 열정과 커피 한 잔만 있으면 모델을 학습시킬 수 있습니다.”

본 글에서는 Ultralytics YOLO11의 기능, 개선 사항, 성능 벤치마크, 그리고 실제 활용 사례를 자세히 살펴보며 이 모델의 역량을 이해할 수 있도록 돕겠습니다. 시작해 보겠습니다!

Ultralytics YOLO11 이해하기: 이전 버전 대비 개선 사항#

YOLO11은 computer vision models의 YOLO (You Only Look Once) 시리즈 중 최신 발전형이며, YOLOv5 및 YOLOv8과 같은 이전 버전에 비해 상당한 개선을 제공합니다. Ultralytics 팀은 커뮤니티 피드백과 최첨단 연구를 통합하여 YOLO11을 더 빠르고, 더 정확하며, 더 효율적으로 만들었습니다. 또한 YOLO11은 object detection, instance segmentation, image classification을 포함하여 YOLOv8과 동일한 computer vision tasks를 지원합니다. 실제로 사용자는 기존 워크플로우를 변경할 필요 없이 쉽게 YOLO11로 전환할 수 있습니다.

YOLO11의 주요 하이라이트 중 하나는 이전 모델에 비해 정확도와 속도 모두에서 우수한 성능을 발휘한다는 점입니다. YOLOv8m에 비해 22% 더 적은 파라미터를 가진 YOLO11m은 COCO dataset에서 더 높은 mean average precision (mAP)을 달성하여, 객체를 더 정확하고 효율적으로 감지할 수 있음을 의미합니다. 처리 속도 측면에서 YOLO11은 이전 모델보다 뛰어나므로, 빠른 감지와 응답이 중요하고 1밀리초가 중요한 실시간 애플리케이션에 이상적입니다.

아래의 벤치마킹 그래프는 YOLO11이 이전 모델과 어떻게 차별화되는지 보여줍니다. 수평축은 객체 감지의 정확도를 측정하는 COCO Box Average Precision (AP)을 보여줍니다. 수직축은 NVIDIA T4 GPU 상에서 TensorRT10 FP16을 사용하여 모델이 데이터를 처리하는 속도를 나타내는 지연 시간(latency)을 표시합니다.

그림 1. Ultralytics YOLO11은 최첨단 실시간 객체 검출 기능을 제공합니다.

Ultralytics YOLO11 모델 출시: 오픈소스 및 엔터프라이즈 옵션#

Ultralytics YOLO11의 출시와 함께, Ultralytics는 산업 전반의 증가하는 수요를 충족하기 위해 open-source 및 enterprise 모델을 모두 제공함으로써 YOLO 시리즈를 확장하고 있습니다.

그림 2. 이번 출시를 통해 Ultralytics는 30개의 새로운 모델을 제공합니다.

YOLO11은 Nano, Small, Medium, Large, X의 다섯 가지 구별되는 모델 크기를 특징으로 합니다. 사용자는 computer vision application’s 구체적인 요구사항에 따라 가장 적절한 모델을 선택할 수 있습니다. 이 다섯 가지 크기는 image classification, object detection, instance segmentation, tracking, pose estimation, oriented bounding boxes (OBB) object detection 같은 작업 전반에 걸쳐 유연성을 제공합니다. 각 크기마다 각 작업에 사용할 수 있는 모델이 있어, Ultralytics 제품군의 핵심을 이루는 총 25개의 open-source 모델이 완성됩니다. 이 모델들은 YOLO11n 모델이 인상적인 효율성을 제공하는 엣지 디바이스에서의 경량 작업부터 YOLO11l 및 YOLO11x 모델이 필요한 larger-scale applications에 이르기까지 광범위한 applications에 이상적입니다.

Ultralytics는 사상 최초로 enterprise 모델을 도입하며 제품군에서 중요한 이정표를 세웠고, 이러한 새로운 혁신을 사용자들과 공유하게 되어 기쁩니다. YOLO11은 상업적 사용 사례를 위해 특별히 설계된 5가지 독점 모델을 도입합니다. 다음 달에 제공될 이 엔터프라이즈 모델들은 1백만 장 이상의 이미지로 구성된 Ultralytics의 새로운 독점 dataset으로 학습되어 더 강력한 사전 학습된 모델을 제공합니다. 이 모델들은 정밀한 객체 감지가 필수적인 medical imagery analysis 및 satellite image processing과 같은 demanding, real-world applications을 위해 설계되었습니다.

차세대 Ultralytics YOLO11 기능 탐색#

Ultralytics YOLO11이 제공하는 기능에 대해 살펴보았으니, 이제 YOLO11이 특별한 이유를 알아보겠습니다.

YOLO11 개발의 주요 과제 중 하나는 경쟁하는 우선순위들 사이에서 올바른 균형을 찾는 것이었습니다: 모델을 더 작고, 더 빠르고, 더 정확하게 만드는 것입니다. Ultralytics의 창립자이자 CEO인 Glenn Jocher가 설명했듯이, “Working on YOLO research and development는 정말 어렵습니다. 왜냐하면 세 가지 다른 방향으로 나아가고 싶어하기 때문입니다. 모델을 더 작게 만들고 싶고, 더 정확하게 만들고 싶으면서도, 동시에 CPU와 GPU 같은 다양한 플랫폼에서 더 빠르게 작동하기를 원합니다. 이 모든 것은 서로 경쟁하는 이해관계이므로, 타협을 하고 어디에 변경을 가할지 선택해야 합니다.” 이러한 과제에도 불구하고 YOLO11은 놀라운 균형을 달성하여, YOLOv8과 같은 이전 버전에 비해 속도와 정확도 모두 향상된 성능을 제공합니다.

Fig 3. 객체 검출에 Ultralytics YOLO11을 사용하는 예시.

Ultralytics YOLO11은 재설계된 백본 및 넥 아키텍처를 통한 향상된 feature extraction과 같은 상당한 개선 사항을 제공하여 더욱 정밀한 객체 검출을 가능하게 합니다. 또한 이 모델은 속도와 효율성에 최적화되어 높은 정확도를 유지하면서 더 빠른 처리 시간을 제공합니다. 이러한 이점 외에도 YOLO11은 다양한 환경에서 매우 적응력이 뛰어나며, 엣지 디바이스, 클라우드 플랫폼, NVIDIA GPU를 사용하는 시스템에서 원활하게 작동합니다. 이러한 적응력 덕분에 모바일 디바이스부터 대규모 서버에 이르기까지 다양한 hardware 설정에서 유연한 deployment options이 필요한 사용자에게 이상적인 선택입니다.

실시간 Ultralytics YOLO11 애플리케이션#

Ultralytics YOLO11의 범용성 덕분에 특히 complex use cases를 다룰 때 많은 산업에서 신뢰할 수 있는 도구입니다. 예를 들어, 엣지 디바이스에서 원활하게 작동하며 연산 능력이 제한된 환경에서 실시간 분석이 필요한 applications에 사용할 수 있습니다. 이에 대한 훌륭한 예는 autonomous driving으로, 차량이 모두의 안전을 지키기 위해 순식간에 결정을 내려야 하는 경우입니다. YOLO11은 저조도 환경이나 사물이 가려진 까다로운 조건에서도 보행자나 다른 차량과 같은 detecting and analyzing objects on the road를 통해 도움을 줍니다. 빠르고 정확한 검출은 사고를 예방하고 자율주행 vehicles can navigate safely하도록 보장합니다.

Fig 4. YV24 무대에서 Ultralytics YOLO11 애플리케이션에 대해 이야기하는 Glenn Jocher.

Ultralytics YOLO11의 또 다른 흥미로운 특징은 oriented bounding boxes (OBB)를 처리하는 능력입니다. 이는 완벽하게 정렬되지 않은 객체를 검출하는 데 필수적입니다. OBB 객체 detection은 agriculture, mapping, surveillance와 같이 images often contain rotated objects (예: 항공 또는 위성 이미지의 작물이나 건물)를 다루는 산업에서 특히 유용한 기능입니다. 기존 모델과 달리 YOLO11은 어떤 각도에서나 객체를 식별할 수 있으며 정밀도가 요구되는 작업에 훨씬 더 정확한 결과를 제공합니다.

AI 개발자를 위한 Ultralytics YOLO11: 직접 사용해 보세요#

YOLO11을 시작하는 것은 코딩을 선호하든 노코드 옵션을 선호하든 간단하고 접근하기 쉽습니다. 코드를 통해 YOLO11을 사용하려면 Ultralytics Python package를 사용하여 모델을 쉽게 학습하고 배포할 수 있습니다. 노코드 방식을 선호하는 경우 Ultralytics Platform을 통해 몇 번의 클릭만으로 YOLO11을 체험해 볼 수 있습니다.

Ultralytics YOLO11 코드 가이드#

Python과 함께 YOLO11을 사용하려면 먼저 Ultralytics 패키지를 설치해야 합니다. 선호도에 따라 pip, conda 또는 Docker를 사용하여 이 작업을 수행할 수 있습니다. 설치 과정과 관련된 자세한 지침 및 모범 사례를 확인하려면 Ultralytics Installation Guide를 반드시 참조하십시오. YOLO11에 필요한 패키지를 설치하는 동안 문제가 발생하면 해결 방법과 팁을 위해 Common Issues Guide를 참조하십시오.

Ultralytics 패키지를 설치한 후에는 using YOLO11 is straightforward합니다. 다음 코드 조각은 loading a model, training it, testing its performance, 그리고 이를 ONNX format으로 exporting하는 과정을 안내합니다. 더 심층적인 예제와 고급 사용법을 보려면 official Ultralytics documentation을 참조하시기 바랍니다. 이곳에서 getting the most out of YOLO11을 위한 상세한 guides와 모범 사례를 찾을 수 있습니다.

그림 5. Ultralytics 패키지를 통한 YOLO11 사용.

노코드 방식을 선호하는 사용자를 위해 Ultralytics Platform은 몇 번의 클릭만으로 YOLO11 모델을 학습하고 배포할 수 있는 쉬운 방법을 제공합니다. get started with Ultralytics Platform하려면 Ultralytics Platform에 계정을 생성하기만 하면 되며, 직관적인 인터페이스를 통해 모델 학습 및 관리를 시작할 수 있습니다.

Ultralytics YOLO11: 비전 AI의 미래를 빚어내다#

AI 커뮤니티는 실제 응용 분야를 위해 더 빠르고 정확한 모델을 개발하기 위해 끊임없이 노력하며 컴퓨터 비전 분야를 발전시키고 있습니다. Ultralytics YOLO11은 이러한 노력의 중요한 이정표로서, 향상된 속도, 정확도, 유연성을 제공합니다. 이 모델은 실시간 및 엣지 애플리케이션을 위해 설계되었으며, 의료 및 자율 주행과 같은 산업 분야에 이상적입니다. Ultralytics Python 패키지를 사용하든 노코드 Ultralytics Platform을 사용하든, YOLO11은 복잡한 비전 AI 작업을 간소화합니다. 강력한 컴퓨터 비전 기능을 제공하여 개발자와 기업 모두에게 탁월한 선택이 될 것입니다.

AI에 대해 더 알아보려면 GitHub repository를 확인하고 우리 커뮤니티에 참여하세요. 비전 AI가 의료 및 농업 같은 분야에서 혁신을 이끌어내고 있는 방식을 살펴보세요.