Ultralytics YOLO26을 만나보세요: 더 뛰어나고 빠르며 작은 YOLO 모델

9월 25일 런던에서 열린 연례 하이브리드 행사 YOLO Vision 2025 (YV25)에서 저희의 창립자 겸 CEO인 Glenn Jocher가 Ultralytics YOLO 모델 시리즈의 최신 혁신인 Ultralytics YOLO26을 공식 발표했습니다! 새로운 컴퓨터 비전 모델인 YOLO26은 속도, 정확도, 배포 편의성의 균형을 맞춘 간소화된 아키텍처로 이미지와 동영상을 분석하고 해석할 수 있습니다.

Ultralytics YOLO26은 모델 설계의 일부를 단순화하고 새로운 개선 사항을 추가하는 동시에, 사용자가 Ultralytics YOLO 모델에서 기대하는 익숙한 기능도 계속 제공합니다. 예를 들어 Ultralytics YOLO26은 사용하기 쉽고 다양한 컴퓨터 비전 작업을 지원하며 유연한 통합 및 배포 옵션을 제공합니다.

따라서 Ultralytics YOLO26으로 전환해 사용하는 일이 매우 간편하며, 10월 말 공개되면 사용자들이 직접 경험하는 모습을 하루빨리 보고 싶습니다.

그림 1. Ultralytics YOLO26을 사용하여 이미지에서 객체를 감지하는 예시입니다.

간단히 말해 Ultralytics YOLO26은 더 나은, 더 빠르고, 더 작은 비전 AI 모델입니다. 이 글에서는 Ultralytics YOLO26의 주요 기능과 새롭게 제공하는 내용을 살펴보겠습니다. 시작하겠습니다!

Ultralytics YOLO26으로 비전 AI의 한계를 확장합니다#

Ultralytics YOLO26의 주요 기능과 이를 통해 가능해지는 애플리케이션을 자세히 살펴보기 전에, 잠시 한 걸음 물러나 이 모델의 개발을 이끈 영감과 동기에 대해 이야기해 보겠습니다.

Ultralytics는 언제나 혁신의 힘을 믿어 왔습니다. 처음부터 저희의 사명은 두 가지였습니다. 한편으로는 누구나 장벽 없이 사용할 수 있도록 비전 AI를 쉽게 이용할 수 있게 만들고자 합니다. 다른 한편으로는 컴퓨터 비전 모델이 달성할 수 있는 한계를 확장하며 최첨단 기술을 유지하는 데에도 똑같이 전념하고 있습니다.

이 사명의 핵심 요인은 AI 분야가 항상 발전하고 있다는 점입니다. 예를 들어 클라우드에 의존하는 대신 AI 모델을 디바이스에서 직접 실행하는 엣지 AI가 다양한 산업에서 빠르게 도입되고 있습니다.

스마트 카메라부터 자율 시스템까지, 이제 엣지 디바이스는 정보를 실시간으로 처리할 것으로 기대됩니다. 이러한 변화에 따라 동일한 수준의 높은 정확도를 유지하면서도 더 가볍고 빠른 모델이 필요합니다.

이것이 Ultralytics YOLO 모델을 지속적으로 개선해야 하는 이유입니다. Glenn Jocher의 말처럼 “사용자가 YOLO26을 최대한 활용하면서도 최고의 성능을 얻을 수 있도록 하는 것이 가장 큰 과제 중 하나였습니다.”

Ultralytics YOLO26 개요#

YOLO26은 기본 제공되는 5가지 모델 변형으로 제공되므로, 모든 규모의 애플리케이션에서 그 기능을 유연하게 활용할 수 있습니다. 이 모든 모델 변형은 이전 Ultralytics YOLO 모델과 마찬가지로 여러 컴퓨터 비전 작업을 지원합니다. 따라서 어떤 크기를 선택하더라도 Ultralytics YOLO11과 마찬가지로 YOLO26이 폭넓은 기능을 제공한다고 믿고 사용할 수 있습니다.

다음은 Ultralytics YOLO26이 지원하는 컴퓨터 비전 작업의 개요입니다.

• 객체 감지: Ultralytics YOLO26은 이미지 또는 동영상 프레임 내의 여러 객체를 식별하고 위치를 찾을 수 있습니다.
• 인스턴스 세그멘테이션: Ultralytics YOLO26은 감지를 한 단계 넘어 식별한 각 객체의 픽셀 단위로 정확한 경계를 생성할 수 있습니다.
• 이미지 분류: 모델이 전체 이미지를 분석하여 특정 카테고리 또는 레이블을 할당할 수 있습니다.
• 포즈 추정: Ultralytics YOLO26은 키포인트를 감지하고 사람과 기타 객체의 포즈를 추정할 수 있습니다.
• 방향성 바운딩 박스 (OBB): 모델이 모든 각도의 객체를 감지할 수 있습니다. 이는 건물, 차량 또는 작물과 같은 항목이 이미지 프레임에 맞춰 정렬되지 않을 수 있는 항공, 드론 및 위성 이미지에 특히 유용합니다.
• 객체 추적: Ultralytics YOLO26은 동영상 프레임 또는 실시간 스트림에서 객체를 추적하는 데 사용할 수 있습니다.

그림 2. Ultralytics YOLO26을 사용하여 이미지에서 객체를 감지하는 모습입니다.

Ultralytics YOLO26의 아키텍처 살펴보기#

이제 Ultralytics YOLO26이 어떤 기능을 제공하는지 더 잘 이해했으므로, 아키텍처에 적용된 몇 가지 혁신을 살펴보겠습니다.

기존에 추론 속도를 저하하고 바운딩 박스 회귀를 제한했던 분포 초점 손실 (DFL) 모듈을 제거하여 모델 설계를 간소화했습니다.

또한 종단 간 (E2E) 추론 옵션을 통해 예측 프로세스를 단순화했습니다. 이 옵션을 사용하면 모델이 기존의 비최대 억제 (NMS) 단계를 건너뛸 수 있습니다. 이러한 개선으로 복잡성이 줄어들고 모델이 결과를 더 빠르게 제공하므로 실제 애플리케이션에서 배포하기가 쉬워집니다.

그 밖의 개선 사항은 모델을 더 스마트하고 안정적으로 만듭니다. 점진적 손실 균형 (ProgLoss)은 학습을 안정화하고 정확도를 향상하며, 소형 객체 인식 인지형 레이블 할당 (STAL)은 모델이 작은 객체를 더 효과적으로 감지하도록 합니다. 여기에 새로운 MuSGD 옵티마이저가 학습 수렴을 개선하고 전반적인 성능을 향상합니다.

실제로 Ultralytics YOLO26의 가장 작은 버전인 나노 모델은 이제 표준 CPU에서 최대 43% 더 빠르게 실행됩니다. 따라서 속도와 효율성이 중요한 모바일 앱, 스마트 카메라 및 기타 엣지 디바이스에 특히 적합합니다. 다음은 YOLO26의 기능과 사용자가 기대할 수 있는 내용을 간단히 정리한 것입니다.

• DFL 제거: 모델 아키텍처에서 분포 초점 손실 모듈을 제거했습니다. Ultralytics YOLO26은 이미지 내 객체 크기와 관계없이 맞춤형 바운딩 박스를 배치하면서 더욱 효율적으로 실행할 수 있습니다.
• 종단 간 NMS 없는 추론: Ultralytics YOLO26은 일반적으로 중복 예측을 제거하는 데 사용하는 단계인 비최대 억제 (NMS)가 필요하지 않은 선택적 모드를 추가하여 실시간 사용을 위한 배포를 더 간단하고 빠르게 만듭니다.
• ProgLoss 및 STAL: 이러한 개선 사항은 학습을 더 안정적으로 만들고 정확도를 크게 향상하며, 특히 복잡한 장면에서 작은 객체를 감지하는 데 효과적입니다.
• MuSGD 옵티마이저: Ultralytics YOLO26은 두 가지 학습 옵티마이저인 Muon과 SGD의 장점을 결합한 새로운 옵티마이저를 사용하여 모델이 더 빠르게 학습하고 더 높은 정확도에 도달하도록 지원합니다.

그림 3. Ultralytics YOLO26 벤치마킹입니다.

Ultralytics YOLO26으로 배포 간소화#

모바일 앱, 스마트 카메라 또는 엔터프라이즈 시스템에서 작업하는 경우에도 YOLO26은 간단하고 유연하게 배포할 수 있습니다. Ultralytics Python 패키지는 계속 확장되는 다양한 내보내기 형식을 지원하므로 YOLO26을 기존 워크플로에 쉽게 통합할 수 있으며 거의 모든 플랫폼과 호환됩니다.

내보내기 옵션으로는 GPU를 최대한 가속하는 TensorRT, 폭넓은 호환성을 제공하는 ONNX, 네이티브 iOS 앱을 위한 CoreML, Android 및 엣지 디바이스를 위한 TFLite, Intel 하드웨어에서 최적화된 성능을 제공하는 OpenVINO 등이 있습니다. 이러한 유연성 덕분에 추가적인 장벽 없이 Ultralytics YOLO26을 개발 환경에서 프로덕션 환경으로 쉽게 전환할 수 있습니다.

배포의 또 다른 중요한 부분은 리소스가 제한된 디바이스에서 모델이 효율적으로 실행되도록 하는 것입니다. 이때 양자화가 사용됩니다. 간소화된 아키텍처 덕분에 Ultralytics YOLO26은 양자화를 매우 효과적으로 처리합니다. INT8 배포(8비트 압축을 사용하여 크기를 줄이고 정확도 손실을 최소화하면서 속도를 향상)와 지원되는 하드웨어에서 더 빠른 추론을 위한 반정밀도 (FP16)를 모두 지원합니다.

무엇보다 중요한 점은 Ultralytics YOLO26이 이러한 양자화 수준 전반에서 일관된 성능을 제공한다는 것입니다. 따라서 강력한 서버에서 실행하든 소형 엣지 디바이스에서 실행하든 안정적으로 사용할 수 있습니다.

로보틱스부터 제조까지: Ultralytics YOLO26의 사용 사례#

Ultralytics YOLO26은 다양한 산업과 사용 사례에 걸쳐 폭넓은 컴퓨터 비전 애플리케이션에 사용할 수 있습니다. 로보틱스부터 제조까지 워크플로를 개선하고 더 빠르고 정확한 의사 결정을 가능하게 하여 큰 영향을 미칠 수 있습니다.

예를 들어 로보틱스에서 Ultralytics YOLO26은 로봇이 주변 환경을 실시간으로 해석하도록 지원할 수 있습니다. 이를 통해 내비게이션이 원활해지고 객체 처리가 더 정밀해집니다. 또한 사람과 더 안전하게 협업할 수 있습니다.

또 다른 예로 제조에서는 모델을 결함 감지에 사용할 수 있습니다. 생산 라인의 결함을 수동 검사보다 더 빠르고 정확하게 자동 식별할 수 있습니다.

그림 4. Ultralytics YOLO26을 사용하여 제조 공장에서 병을 감지하는 모습입니다.

일반적으로 Ultralytics YOLO26은 더 나은, 더 빠르고 가벼운 모델이므로 경량 엣지 디바이스부터 대규모 엔터프라이즈 시스템까지 다양한 환경에 쉽게 적응합니다. 따라서 효율성, 정확도 및 안정성을 향상하려는 산업에 실용적인 선택이 될 수 있습니다.

핵심 요점#

Ultralytics YOLO26은 사용하기 쉽고 뛰어난 성능을 제공하면서도 더 나은, 더 빠르고 가벼운 컴퓨터 비전 모델입니다. 다양한 작업과 플랫폼에서 작동하며 10월 말까지 모든 사용자에게 제공될 예정입니다. 커뮤니티가 이를 어떻게 활용하여 새로운 솔루션을 만들고 컴퓨터 비전의 한계를 확장할지 기대됩니다.

성장하는 커뮤니티에 참여해 보세요! GitHub 리포지토리를 살펴보고 AI에 대해 자세히 알아보세요. 솔루션 페이지를 방문하여 리테일 분야의 컴퓨터 비전 및 자동차 산업의 AI와 같은 혁신 사례를 확인해 보세요. 지금 바로 컴퓨터 비전 개발을 시작하려면 라이선스 옵션을 확인해 보세요.