Ultralytics HUB를 사용하여 Ultralytics YOLO11 학습 및 배포

Ultralytics YOLO11 is the new state-of-the-art computer vision model designed for tasks like object detection, image classification, and instance segmentation. It’s faster, more accurate, and more efficient than previous versions of YOLO (You Only Look Once) models. YOLO11 can be used for a variety of real-time computer vision applications. Best of all, getting started with Ultralytics YOLO11 is just as simple and straightforward as all other Ultralytics YOLO models.

이전에는 YOLO11의 새로운 기능 및 개선 사항에 대해 논의했으며, Ultralytics Python 패키지나 Ultralytics HUB를 통해 모델에 액세스하는 방법을 다루었습니다. 이 가이드에서는 Ultralytics HUB 사용 방법을 단계별로 안내하여 Ultralytics YOLO11을 쉽게 학습하고 배포하는 방법을 설명합니다.

Link to this sectionUltralytics HUB 소개#

Ultralytics HUB is Ultralytics’ no-code, user-friendly platform designed to streamline the entire process from training to deploying YOLO models, including the newly launched Ultralytics YOLO11 models. Whether you’re an AI expert or new to computer vision, the HUB provides an intuitive interface that allows you to upload datasets, select pre-trained models, and fine-tune them for your specific needs. With just a few clicks, you can train models for real-time applications in industries ranging from manufacturing to agriculture. HUB focuses on making advanced AI accessible without the need for extensive coding.

그림 1. Ultralytics HUB는 노코드 방식의 사용자 친화적인 플랫폼입니다.

Ultralytics HUB는 기본 액세스를 위한 무료 티어와 클라우드 학습, 팀 협업, 증가된 사용 제한과 같은 추가 기능을 제공하는 Pro 플랜 등 다양한 플랜 옵션을 갖추고 있습니다. 다음은 Ultralytics HUB에서 제공하는 주요 기능에 대한 간단한 요약입니다:

• 사용자 지정 데이터셋 지원: 더 개인화된 모델 학습을 위해 자체 데이터셋을 업로드하고 관리할 수 있습니다.
• 모바일 통합: 최적화된 성능을 위한 하드웨어 가속 기능을 갖춘 Ultralytics HUB 앱을 사용하여 iOS 및 Android 기기에서 YOLO 모델을 실행할 수 있습니다.
• 클라우드 리소스: GPU 지원 클라우드 인프라는 더 빠르고 효율적인 모델 학습을 지원합니다.
• 간편한 프로젝트 관리: Ultralytics HUB는 Pro 사용자가 Teams 기능을 통해 프로젝트를 관리하고 팀원과 협업할 수 있게 하여 팀워크와 리소스 공유를 간소화합니다.
• Inference API: HUB는 공유 및 전용 Inference API를 모두 제공합니다. 사용자는 로컬 환경을 설정할 필요 없이 YOLO 모델을 실행할 수 있습니다.
• Ultralytics HUB-SDK: 사내 개발된 HUB-SDK를 사용하면 Ultralytics의 머신러닝 서비스를 Python 애플리케이션에 쉽게 통합할 수 있습니다.

HUB는 다양한 플랫폼과 통합되며, 사용자는 학습된 모델을 ONNX, TensorFlow, CoreML과 같은 다양한 형식으로 내보낼 수 있어 여러 플랫폼에 걸친 배포가 매끄럽게 이루어집니다. 본질적으로 Ultralytics HUB는 데이터셋 처리부터 실시간 모델 배포에 이르기까지 복잡한 AI 작업을 하나의 종합적인 도구 안에서 단순화합니다.

Link to this sectionYOLO11을 사용하여 Ultralytics HUB에서 추론 실행하기#

YOLO11을 사용하여 Ultralytics HUB에서 추론을 실행하려면 "Models" 섹션으로 이동하여 관심 있는 YOLO11 모델을 선택하십시오. 그런 다음 "Preview"를 클릭하여 이미지를 업로드하고 모델을 테스트해 볼 수 있습니다.

그림 2. Ultralytics HUB에서 Ultralytics YOLO11을 테스트해 보세요.

HUB의 이 기능을 사용하면 경험 수준에 관계없이 누구나 YOLO11의 모델 예측을 테스트하고 성능을 확인할 수 있습니다. 이는 Ultralytics YOLO11을 무료로 직접 경험할 수 있는 사용자 친화적인 방법입니다.

Link to this sectionUltralytics HUB에서 사용자 지정 Ultralytics YOLO11 모델 학습하기#

계정을 만든 후에는 대시보드에 액세스하여 바로 학습을 시작할 수 있습니다. 그곳에서 프로젝트를 관리하고, 데이터셋을 업로드하며, YOLO11 모델 학습을 쉽게 시작할 수 있습니다. 플랫폼은 전체 프로세스를 신속하고 번거로움 없이 진행할 수 있도록 설계되었습니다.

Link to this sectionHUB에서 YOLO11 학습을 위해 사용자 지정 데이터셋 사용하기#

로그인 후 왼쪽 메뉴에서 "Datasets"를 클릭하면 Ultralytics HUB에서 사용할 수 있는 다양한 기존 데이터셋을 탐색할 수 있습니다. 이러한 데이터셋은 방향성 바운딩 박스(OBB) 객체 탐지 및 자세 추정과 같은 다양한 작업을 지원합니다. 예를 들어, 객체 탐지를 위해 80개 클래스가 포함된 COCO128을 사용하거나 이미지 분류를 위해 Fashion-MNIST를 사용할 수 있습니다. 이러한 데이터셋은 즉시 사용 가능하며 YOLO 모델 학습에 최적화되어 있습니다.

그림 3. Ultralytics HUB는 사용자 지정 데이터셋을 관리하고 적용하는 편리한 방법을 제공합니다.

자체 데이터를 사용하려면 사용자 지정 데이터셋을 업로드할 수 있습니다. 이때 데이터셋이 YOLO 구조를 따르는지, 루트 디렉토리에 적절하게 형식이 지정된 YAML 파일이 포함되어 있는지, 그리고 ZIP 파일로 압축되었는지 확인하십시오.

데이터셋이 준비되면 "Upload Dataset" 버튼을 클릭하고 작업 유형을 선택한 다음 ZIP 파일을 업로드하십시오. 업로드 후 Ultralytics HUB는 자동으로 데이터셋의 유효성을 검사하며, 즉시 YOLO 모델 학습을 시작할 수 있습니다. 또한 이미지 분할(학습, 검증, 테스트)과 같은 데이터셋 세부 정보를 관리하고 확인하며 데이터를 분석하여 모델 학습 준비 상태인지 확인할 수 있습니다.

그림 4. 사용자 지정 데이터셋을 업로드하고 세부 정보를 확인할 수 있습니다.

Link to this sectionUltralytics HUB를 활용한 효율적인 YOLO11 학습 및 모니터링#

Ultralytics HUB의 클라우드 학습 기능을 사용하여 YOLO11 모델 학습을 시작하려면 Pro 플랜으로 업그레이드해야 합니다. Pro 사용자로서 더 빠르고 효율적인 학습을 위해 GPU 리소스를 사용할 수 있습니다. 업그레이드한 후 “Models” 섹션에 액세스하여 원하는 YOLO11 모델 변형을 선택하고 학습 설정을 구성하십시오.

그림 5. 클릭 몇 번으로 HUB에서 YOLO11 모델을 학습해 보세요.

에포크 수(모델이 데이터셋을 몇 번 반복할지 정의)를 선택하거나 시간 기반 학습을 위해 특정 기간을 설정할 수 있습니다. 모델 학습이 시작되기 전에 Ultralytics HUB는 최적화된 성능을 보장하기 위해 전용 GPU 인스턴스를 초기화합니다. 수요에 따라 초기화에 시간이 걸릴 수 있지만, 이 과정 중에는 계정에 비용이 청구되지 않습니다.

설정을 마친 후 "Start Training"을 클릭하여 세션을 시작하십시오. 학습 전체 과정 동안 대시보드를 통해 실시간으로 진행 상황을 모니터링할 수 있습니다. 필요에 따라 학습을 일시 중지, 중지 또는 재개할 수 있는 기능을 제공합니다. 에포크 기반 학습 중 계정 잔액이 부족해지면 세션이 일시 중지되며, 잔액을 충전한 후 재개할 수 있습니다. 플랫폼은 자동으로 체크포인트를 저장하므로 중단된 지점부터 다시 시작할 수 있습니다.

학습 종료 후 결제 탭을 통해 모든 비용을 확인할 수 있으며, 여기에서 자세한 비용 보고서를 통해 지출을 추적하고 학습 효율을 쉽게 관리할 수 있습니다.

그림 6. 모델 학습 과정을 실시간으로 모니터링할 수 있습니다.

Link to this sectionHUB를 사용하여 사용자 지정 Ultralytics YOLO11 모델 배포하기#

Ultralytics HUB로 맞춤형 YOLO11 모델을 배포할 때는 Shared Inference API와 Dedicated Inference API라는 두 가지 주요 옵션이 있습니다. 배포된 모델을 사용하려면 설정에 따라 Python이나 cURL을 사용하여 API에 추론 요청을 보낼 수 있습니다. 일반적인 절차는 이미지 파일과 관련 매개변수(이미지 크기 및 신뢰도 임계값 등)를 API로 전송하는 것입니다. Ultralytics HUB는 추론 결과를 간단한 JSON 형식으로 반환하며, 이를 추가로 처리할 수 있습니다.

Shared Inference API는 무료 티어 사용자를 위한 비용 효율적인 솔루션으로, 시간당 100건, 월 최대 1000건의 호출을 제공합니다. 이는 로컬 환경의 필요성을 없애며 Ultralytics HUB에서 바로 빠른 배포를 지원합니다.

Pro 사용자가 사용할 수 있는 Dedicated Inference API는 더 큰 규모의 배포나 실시간 애플리케이션에 적합합니다. Google Cloud Run으로 구동되는 전용 클라우드 환경에서 클릭 한 번으로 배포할 수 있습니다. 이 옵션은 고성능 애플리케이션에 최적화되어 있어 실시간 처리를 위해 100ms 미만의 지연 시간과 38개 지역에 걸친 글로벌 커버리지를 보장합니다. 또한 강화된 보안 기능을 지원하여 데이터 보호 요구 사항이 엄격한 산업에 적합합니다.

YOLO11 모델 배포를 위해 Shared 또는 Dedicated Inference API 중 하나를 선택했다면 다음 단계는 간단하고 효율적입니다. Ultralytics HUB의 모델 페이지 내에서 “Deploy” 탭을 여십시오. Shared Inference API를 사용하는 경우 이 가이드를 확인하여 API 호출 설정 지침을 따를 수 있습니다. Dedicated Inference API 사용자는 Start Endpoint 버튼을 클릭하여 엔드포인트를 시작하십시오. 활성화되면 HUB는 추론 작업에 사용할 고유 URL을 제공합니다.

그림 7. Ultralytics HUB Dedicated Inference API 사용법은 간단합니다.

Link to this sectionHUB에서 제공하는 다른 배포 옵션#

프로젝트에서 특정 형식의 모델이 필요하거나 오프라인에서 사용해야 하는 경우, Ultralytics HUB는 모바일에서 클라우드 시스템까지 다양한 플랫폼을 지원하기 위해 ONNX, CoreML, TensorFlow와 같은 내보내기 옵션을 제공합니다. 모델을 애플리케이션에 직접 통합하려는 개발자를 위해 Ultralytics HUB-SDK는 Python을 통해 배포를 관리하는 효율적인 방법을 제공합니다. API 키나 Ultralytics 자격 증명을 사용하면 배포를 쉽게 제어하고 코드 내에서 추론을 실행할 수 있어 원활한 통합에 필요한 유연성을 얻을 수 있습니다.

Link to this section핵심 요약#

Ultralytics HUB는 초보자와 전문가 모두가 YOLO11 모델을 학습하고 배포할 수 있도록 설계된 올인원 플랫폼입니다. 데이터셋 업로드부터 학습 구성까지 다양한 작업을 지원하며, Shared 및 Dedicated Inference API와 같은 유연한 배포 옵션을 제공합니다. API를 통해 배포하든 오프라인용 모델을 내보내든, HUB는 플랫폼 전반에서 원활한 통합을 보장합니다. 실시간 애플리케이션과 확장 가능한 솔루션을 위한 옵션을 통해 Ultralytics HUB는 초보자와 숙련된 사용자 모두를 위한 광범위한 배포 요구 사항에 사용할 수 있습니다.

GitHub 저장소를 탐색하고 활기찬 커뮤니티에 가입하여 AI를 더 깊이 파고들어 보십시오. 헬스케어 및 농업과 같은 산업에서 비전 AI가 혁신을 어떻게 발전시키고 있는지 알아보십시오.