CoreML을 통해 Ultralytics YOLO11을 Apple 기기에 적용하기

Apple Intelligence와 같은 기능을 Apple이 도입함에 따라, 온디바이스 AI가 우리가 휴대폰을 사용하는 방식의 핵심이 되고 있음이 분명해졌습니다. 개발자에게 이러한 변화는 사용자가 컴퓨터 비전과 같은 기능을 활용하여 더 스마트하고 반응성이 뛰어난 경험을 제공하는 iOS 앱을 채택하고 있음을 의미합니다.

컴퓨터 비전은 컴퓨터가 이미지나 동영상과 같은 시각 정보를 이해하고 분석할 수 있도록 하는 인공지능(AI)의 한 유형입니다. 모바일 기기에서는 실시간으로 휴대폰 카메라를 통해 객체를 감지, 분류하고 상호작용하는 데 사용할 수 있습니다. Ultralytics YOLO11과 같은 비전 AI 모델은 앱의 필요에 따라 특정 객체를 인식하도록 맞춤형으로 학습시킬 수 있습니다.

하지만 YOLO11은 즉시 iOS에서 실행되도록 설정되어 있지 않습니다. iPhone이나 기타 Apple 기기, 특히 오프라인 환경에서 YOLO11을 배포하려면 Apple 생태계에 최적화된 형식으로 변환해야 합니다.

이것이 바로 CoreML이 해결하기 위해 구축된 문제입니다. CoreML은 모델을 로컬에서 실행하고 iOS 및 macOS 애플리케이션에 원활하게 통합할 수 있도록 구축된 Apple의 머신러닝 프레임워크입니다. Ultralytics에서 지원하는 CoreML 통합을 사용하면 iPhone에서 로컬 배포를 위해 모델을 쉽게 내보낼 수 있습니다.

이 문서에서는 YOLO11 모델을 CoreML 형식으로 내보내는 방법을 자세히 살펴봅니다. 또한 컴퓨터 비전 모델을 iOS 기기에서 직접 실행할 때의 이점을 보여주는 실시간 사용 사례도 알아봅니다. 시작해 보겠습니다!

Link to this sectionCoreML이란 무엇인가요?#

CoreML은 Apple이 개발한 머신러닝(ML) 프레임워크로, 개발자가 학습된 ML 모델을 iOS(iPhone 및 iPad), macOS(Mac), watchOS(Apple Watch), tvOS(Apple TV)를 포함한 Apple 생태계 전반의 앱에 직접 통합할 수 있도록 합니다. 이 프레임워크는 인터넷 연결 없이도 기기 내에서 모델을 직접 실행할 수 있도록 하여 Apple 기기에서 머신러닝을 효율적이고 쉽게 사용할 수 있도록 설계되었습니다.

CoreML의 핵심은 이미지 분류, 객체 감지, 음성 인식, 자연어 처리와 같은 다양한 AI 작업을 지원하는 통합 모델 형식입니다. 이 프레임워크는 Apple의 하드웨어를 최대한 활용하도록 최적화되어 있으며, CPU(중앙 처리 장치), GPU(그래픽 처리 장치), ANE(Apple Neural Engine)를 사용하여 모델을 빠르고 효율적으로 실행합니다.

CoreML은 다양한 모델 유형을 지원하며 TensorFlow, PyTorch, scikit-learn, XGBoost, LibSVM을 포함한 인기 있는 머신러닝 라이브러리와 호환됩니다. 이를 통해 개발자는 고급 ML 기능을 일상적인 앱에 더 쉽게 도입하고 Apple 기기 전반에서 원활하게 실행되도록 할 수 있습니다.

그림 1. CoreML은 다른 인기 AI 프레임워크의 모델을 지원합니다 (출처).

Link to this sectionCoreML의 주요 기능#

CoreML을 Apple 앱에 AI를 통합하기 위한 신뢰할 수 있는 도구로 만드는 몇 가지 주요 기능은 다음과 같습니다.

• 모델 최적화: CoreML은 양자화 및 가지치기와 같은 압축 기술을 지원하여 모델 크기를 줄이고 런타임 효율성을 향상합니다.
• 온디바이스 개인화: Apple의 ML 프레임워크는 온디바이스 개인화를 지원하여 사용자 상호작용에 따라 로컬에서 모델을 학습하고 업데이트할 수 있습니다.
• 비동기 예측: 이 프레임워크를 사용하면 앱이 백그라운드에서 예측을 실행할 수 있어 AI 작업을 처리하는 동안에도 사용자 인터페이스를 매끄럽고 반응성 있게 유지할 수 있습니다.
• 멀티태스크 학습: CoreML은 동일한 이미지에서 객체를 감지하고 텍스트를 인식하는 등 여러 작업을 동시에 수행할 수 있는 모델을 지원합니다.

Link to this sectionYOLO11을 CoreML 형식으로 내보내는 방법#

이제 CoreML 프레임워크에 대해 더 잘 이해했으니, Ultralytics에서 지원하는 CoreML 통합을 사용하여 YOLO11 모델을 CoreML 형식으로 내보내는 방법을 살펴보겠습니다.

Link to this section1단계: 환경 설정#

Ultralytics가 제공하는 통합 기능을 사용하려면 먼저 Ultralytics Python 패키지를 설치해야 합니다. 이는 Ultralytics YOLO 모델의 학습, 평가, 예측 및 내보내기와 같은 작업을 간소화하는 가볍고 사용하기 쉬운 라이브러리입니다.

명령 터미널에서 “pip install ultralytics”를 실행하여 Ultralytics Python 패키지를 설치할 수 있습니다. Jupyter Notebook이나 Google Colab과 같은 환경을 사용하는 경우 명령 앞에 느낌표(!)를 포함하십시오: “!pip install ultralytics”.

설치 중 또는 CoreML로 내보내는 중에 문제가 발생하면 공식 Ultralytics 문서나 일반적인 문제 가이드에서 도움을 받으시기 바랍니다.

Link to this section2단계: YOLO11을 CoreML로 내보내기#

패키지가 성공적으로 설치되면 YOLO11 모델을 로드하고 CoreML 형식으로 변환할 준비가 된 것입니다.

사용할 사전 학습된 YOLO11 모델을 잘 모르겠다면 Ultralytics에서 지원하는 모델 범위를 살펴볼 수 있습니다. 각 모델은 속도, 크기, 정확도 간의 서로 다른 균형을 제공하므로 프로젝트에 가장 적합한 모델을 선택할 수 있습니다. 자체 데이터셋으로 학습시킨 맞춤형 YOLO11 모델을 사용할 수도 있습니다.

아래 코드 조각에서는 "yolo11n.pt"라는 이름의 사전 학습된 YOLO11 모델 파일이 사용됩니다. 내보내기 과정에서 이 파일은 "yolo11n.mlpackage"라는 CoreML 패키지로 변환됩니다.

"yolo11n" 모델은 속도와 낮은 리소스 사용량을 위해 최적화된 나노 버전입니다. 프로젝트의 요구 사항에 따라 "s"(small), "m"(medium), "l"(large), "x"(extra-large)와 같은 다른 모델 크기를 선택할 수도 있습니다. 각 버전은 성능과 정확도 간의 균형이 다릅니다.

from ultralytics import YOLO

model = YOLO("yolo11n.pt")
model.export(format="coreml")

Link to this section3단계: 내보낸 CoreML 모델을 사용하여 추론 실행#

CoreML 형식으로 내보낸 후에는 YOLO11을 iOS 애플리케이션에 쉽게 통합하여 iPhone, iPad, Mac과 같은 기기에서 객체 감지와 같은 실시간 컴퓨터 비전 작업을 수행할 수 있습니다.

예를 들어, 아래 코드 조각은 내보낸 CoreML 모델을 로드하고 추론을 수행하는 방법을 보여줍니다. 추론은 학습된 모델을 사용하여 새로운 데이터에 대한 예측을 만드는 과정입니다. 이 경우 모델은 가족이 공놀이를 하는 이미지를 분석합니다.

coreml_model = YOLO("yolo11n.mlpackage")
results = coreml_model("https://images.pexels.com/photos/4933841/pexels-photo-4933841.jpeg", save=True)

코드를 실행한 후 출력 이미지는 "runs/detect/predict" 폴더에 저장됩니다.

그림 2. CoreML 형식으로 내보낸 YOLO11 모델을 사용하여 객체 감지. 저자 이미지.

Link to this section내보낸 CoreML 모델은 어디에서 사용할 수 있나요?#

YOLO11을 CoreML로 내보내면 iPhone, iPad, Mac에서 효율적으로 실행되는 다양한 컴퓨터 비전 애플리케이션을 구축할 수 있는 유연성이 제공됩니다. 다음으로, 이 통합이 특히 유용할 수 있는 실제 시나리오를 살펴보겠습니다.

Link to this sectionCoreML 모델로 구동되는 증강 현실 및 게임 앱#

증강 현실(AR)은 라이브 카메라 뷰 위에 가상 요소를 겹쳐 디지털 콘텐츠와 현실 세계를 혼합합니다. 이는 모바일 게임의 핵심 요소가 되어 더욱 상호작용적이고 몰입감 있는 경험을 만들어냅니다.

YOLO11이 CoreML 형식으로 내보내짐에 따라, iOS 개발자는 휴대폰 카메라를 사용하여 벤치, 나무, 표지판과 같은 실제 객체를 인식하는 AR 게임을 구축할 수 있습니다. 그런 다음 게임은 이러한 객체 위에 동전, 단서, 생명체와 같은 가상 항목을 겹쳐 플레이어의 주변 환경을 향상할 수 있습니다.

이면에서는 객체 감지와 객체 추적을 사용하여 작동합니다. YOLO11은 실시간으로 객체를 감지하고 식별하며, 추적 기능은 카메라가 움직일 때 객체를 계속 시야에 두어 가상 요소가 현실 세계와 정렬된 상태를 유지하도록 합니다.

플레이어는 휴대폰을 가리키고, 환경을 탐색하며, 보이는 것과 상호작용하여 아이템을 수집하거나 빠른 도전을 완료할 수 있습니다. 이 모든 과정은 인터넷 연결 없이 기기에서 직접 실행되므로 경험이 매끄럽고 매력적입니다.

Link to this section실시간 ANPR을 위해 CoreML 모델과 통합된 iOS 앱#

자동 번호판 인식(ANPR)은 차량 번호판을 감지하고 읽는 데 사용되는 컴퓨터 비전 애플리케이션입니다. 보안, 교통 모니터링 및 출입 통제 시스템에 일반적으로 사용됩니다. CoreML과 YOLO11 같은 모델을 사용하면 이제 iOS 기기에서 ANPR을 효율적으로 실행할 수 있습니다.

iPhone에 ANPR 앱을 설치하면 보안이 중요한 환경에서 특히 유용할 수 있습니다. 예를 들어, 제한된 구역에 진입하는 차량이 승인된 차량인지 팀이 신속하게 확인하는 데 도움이 될 수 있습니다.

이러한 앱은 CoreML을 통해 통합된 YOLO11과 같은 비전 AI 모델을 사용하여 기기의 카메라를 통해 실시간으로 차량을 감지하고 번호판 위치를 파악할 수 있습니다. 번호판이 감지되면 광학 문자 인식(OCR) 기술을 사용하여 번호판 번호를 읽을 수 있습니다. 그런 다음 앱은 이 번호를 로컬 또는 클라우드 기반 데이터베이스와 비교하여 접근 권한을 확인하거나 승인되지 않은 차량을 표시할 수 있습니다.

그림 3. 비전 AI를 사용하여 번호판 번호를 감지하고 읽을 수 있습니다. (출처).

Link to this section접근성에 중점을 둔 앱은 CoreML 모델을 활용할 수 있습니다#

AI는 접근성에 큰 영향을 미쳐 시각 장애인을 위한 장벽을 허무는 데 도움을 주었습니다. CoreML 및 YOLO11과 같은 컴퓨터 비전 모델을 통해 개발자는 사용자의 주변 환경을 실시간으로 설명하는 iOS 앱을 구축하여 일상 업무를 더 쉽고 독립적으로 만들 수 있습니다.

예를 들어, 시각 장애인은 iPhone 카메라를 자신의 주변으로 향할 수 있습니다. 앱은 객체 감지를 사용하여 차량, 사람, 거리 표지판과 같은 주요 요소를 인식하고 본 내용을 설명합니다. 이는 붐비는 거리를 탐색하거나 긴급 상황을 파악하는 등의 상황에서 사용할 수 있습니다.

그림 4. 사람을 감지하기 위해 YOLO11을 사용하는 예시

Link to this section핵심 요약#

YOLO11을 CoreML 형식으로 내보내면 iOS 기기에서의 오프라인 객체 감지를 포함하여 실시간 애플리케이션을 위한 새로운 기회가 창출됩니다. 농업과 보안에서 접근성에 이르기까지, 이 조합을 통해 개발자는 완전히 기기 내에서 실행되는 스마트하고 효율적이며 개인정보 보호 중심의 앱을 구축할 수 있습니다.

몇 가지 간단한 단계만으로 YOLO11 모델을 변환하고 iPhone에 신뢰할 수 있는 컴퓨터 비전 기능을 추가할 수 있습니다. 무엇보다 인터넷 연결 없이도 작동한다는 점이 가장 큰 장점입니다. 전반적으로 CoreML 통합은 고급 AI의 성능을 일상적인 모바일 앱으로 가져와 더 빠르고 반응성이 뛰어나며 어디서든 실행할 준비가 된 앱을 만듭니다.

AI에 대해 더 궁금하신가요? GitHub 저장소를 살펴보고, 커뮤니티와 소통하며, 라이선스 옵션을 확인하여 컴퓨터 비전 프로젝트를 시작해 보십시오. 소매업의 AI 및 물류 분야의 컴퓨터 비전과 같은 혁신이 어떻게 미래를 만들어가는지 솔루션 페이지에서 확인하십시오.