최신 Ultralytics YOLO 모델인 Ultralytics YOLO26과 속도, 정확성 및 배포 가능성의 최적 균형을 지원하는 최첨단 기능을 살펴보세요.
최신 Ultralytics YOLO 모델인 Ultralytics YOLO26과 속도, 정확성 및 배포 가능성의 최적 균형을 지원하는 최첨단 기능을 살펴보세요.
9월 25일, 런던에서 열린 연례 하이브리드 이벤트인 YOLO Vision 2025 (YV25)에서 Glenn Jocher 창립자 겸 CEO는 Ultralytics YOLO 모델 시리즈의 최신 혁신인 Ultralytics YOLO26을 공식 발표했습니다! 우리의 새로운 컴퓨터 비전 모델인 YOLO26은 속도, 정확성 및 배포 용이성의 균형을 맞춘 간소화된 아키텍처를 통해 이미지와 비디오를 분석하고 해석할 수 있습니다.
Ultralytics YOLO26은 모델 설계의 측면을 단순화하고 새로운 개선 사항을 추가하는 동시에 사용자가 Ultralytics YOLO 모델에서 기대하는 친숙한 기능을 계속 제공합니다. 예를 들어 Ultralytics YOLO26은 사용하기 쉽고 다양한 컴퓨터 비전 작업을 지원하며 유연한 통합 및 배포 옵션을 제공합니다.
말할 필요도 없이, 이를 통해 Ultralytics YOLOv8로의 전환이 간편해졌으며, 10월 말에 공개적으로 제공될 때 사용자들이 직접 경험하는 것을 어서 빨리 보고 싶습니다.
간단히 말해, Ultralytics YOLO26은 더 우수하고 빠르며 작은 Vision AI 모델입니다. 이 글에서는 Ultralytics YOLO26의 주요 기능과 장점을 살펴보겠습니다. 시작해 볼까요!
Ultralytics YOLO26의 주요 기능과 이를 통해 가능한 애플리케이션에 대해 자세히 알아보기 전에, 한 걸음 물러서서 이 모델 개발을 주도한 영감과 동기에 대해 논의해 보겠습니다.
Ultralytics는 혁신의 힘을 항상 믿어왔습니다. 처음부터 우리의 사명은 두 가지였습니다. 한편으로는 누구나 장벽 없이 Vision AI를 사용할 수 있도록 접근성을 높이는 것입니다. 다른 한편으로는 컴퓨터 비전 모델이 달성할 수 있는 한계를 뛰어넘어 최첨단을 유지하기 위해 노력하고 있습니다.
이 임무의 핵심 요소는 AI 공간이 항상 진화하고 있다는 것입니다. 예를 들어 클라우드에 의존하는 대신 AI 모델을 장치에서 직접 실행하는 엣지 AI는 산업 전반에 걸쳐 빠르게 채택되고 있습니다.
스마트 카메라에서 자율 시스템에 이르기까지, 엣지 단의 장치는 이제 정보를 실시간으로 처리해야 합니다. 이러한 변화는 동일한 수준의 높은 정확도를 유지하면서 더 가볍고 빠른 모델을 요구합니다.
그렇기 때문에 Ultralytics YOLO 모델을 계속 개선해야 할 필요성이 끊임없이 제기됩니다. Glenn Jocher가 말했듯이 "가장 큰 과제 중 하나는 사용자가 최고의 성능을 제공하면서도 YOLO26을 최대한 활용할 수 있도록 하는 것이었습니다."
YOLO26은 5가지 모델 변형으로 즉시 사용 가능하므로 모든 규모의 애플리케이션에서 해당 기능을 활용할 수 있는 유연성을 제공합니다.
이러한 모든 모델 변형은 이전 Ultralytics YOLO 모델과 마찬가지로 여러 컴퓨터 비전 작업을 지원합니다. 즉, 어떤 크기를 선택하든 Ultralytics YOLO11과 마찬가지로 YOLO26이 광범위한 기능을 제공할 것이라고 확신할 수 있습니다.
다음은 YOLO26에서 지원하는 컴퓨터 비전 작업에 대한 개요입니다.
이제 YOLO26이 무엇을 할 수 있는지 더 잘 이해했으니, 아키텍처의 혁신적인 부분을 살펴보겠습니다.
이 모델의 설계는 이전에 추론 속도를 늦추고 경계 상자 회귀를 제한했던 DFL(Distribution Focal Loss) 모듈을 제거하여 간소화되었습니다.
예측 프로세스는 또한 모델이 기존의 NMS(Non-Maximum Suppression) 단계를 건너뛸 수 있도록 하는 E2E(End-to-End) 추론 옵션으로 간소화되었습니다. 이러한 개선을 통해 복잡성이 줄어들고 모델이 결과를 더 빠르게 제공할 수 있어 실제 애플리케이션에서 배포가 더 쉬워집니다.
다른 개선 사항들은 모델을 더 스마트하고 안정적으로 만듭니다. ProgLoss(Progressive Loss Balancing)는 훈련을 안정화하고 정확도를 향상시키는 데 도움이 되며, STAL(Small-Target-Aware Label Assignment)은 모델이 작은 객체를 더 효과적으로 감지하도록 합니다. 또한 새로운 MuSGD 옵티마이저는 훈련 수렴을 개선하고 전반적인 성능을 향상시킵니다.
실제로 YOLO26의 가장 작은 버전인 나노 모델은 이제 표준 CPU에서 최대 43% 더 빠르게 실행되므로 속도와 효율성이 중요한 모바일 앱, 스마트 카메라 및 기타 에지 장치에 특히 적합합니다.
다음은 YOLO26의 기능과 사용자가 기대할 수 있는 사항에 대한 간략한 요약입니다.
모바일 앱, 스마트 카메라 또는 엔터프라이즈 시스템에서 작업하든 YOLO26 배포는 간단하고 유연합니다. Ultralytics Python 패키지는 지속적으로 증가하는 내보내기 형식을 지원하므로 기존 워크플로에 YOLO26을 쉽게 통합하고 거의 모든 플랫폼과 호환되도록 할 수 있습니다.
몇 가지 내보내기 옵션에는 최대 GPU 가속을 위한 TensorRT, 광범위한 호환성을 위한 ONNX, 기본 iOS 앱을 위한 CoreML, Android 및 에지 장치를 위한 TFLite, Intel 하드웨어에서 최적화된 성능을 위한 OpenVINO가 있습니다. 이러한 유연성 덕분에 추가 장애물 없이 YOLO26을 개발에서 생산으로 쉽게 가져갈 수 있습니다.
배포의 또 다른 중요한 부분은 제한된 리소스를 가진 장치에서 모델이 효율적으로 실행되도록 하는 것입니다. 여기서 양자화가 중요합니다. 단순화된 아키텍처 덕분에 YOLO26은 이를 매우 잘 처리합니다. YOLO26은 INT8 배포(크기를 줄이고 정확도 손실을 최소화하면서 속도를 향상시키기 위해 8비트 압축 사용)와 지원되는 하드웨어에서 더 빠른 추론을 위한 반정밀도(FP16)를 지원합니다.
가장 중요한 것은 YOLO26이 이러한 양자화 수준에서 일관된 성능을 제공하므로 강력한 서버에서 실행되든 소형 에지 장치에서 실행되든 관계없이 신뢰할 수 있다는 것입니다.
YOLO26은 광범위한 산업 및 사용 사례에서 매우 다양한 컴퓨터 비전 애플리케이션에 사용될 수 있습니다. 로봇 공학에서 제조에 이르기까지 워크플로를 개선하고 더 빠르고 정확한 의사 결정을 지원함으로써 상당한 영향을 미칠 수 있습니다.
예를 들어, 로봇 공학에서 YOLO26은 로봇이 주변 환경을 실시간으로 해석하는 데 도움을 줄 수 있습니다. 이를 통해 탐색이 더 원활해지고 객체 처리가 더 정확해집니다. 또한 사람들과의 더 안전한 협업이 가능해집니다.
또 다른 예는 제조로, 모델을 결함 감지에 사용할 수 있습니다. 수동 검사보다 생산 라인에서 결함을 더 빠르고 정확하게 자동으로 식별할 수 있습니다.
일반적으로 YOLO26은 더 우수하고, 더 빠르고, 더 가볍기 때문에 경량 에지 장치에서 대규모 엔터프라이즈 시스템에 이르기까지 광범위한 환경에 쉽게 적응합니다. 따라서 효율성, 정확성 및 안정성을 개선하려는 산업 분야에 실용적인 선택입니다.
Ultralytics YOLO26은 더 나은 성능, 더 빠른 속도, 더 가벼운 무게를 제공하는 컴퓨터 비전 모델이며, 사용하기 쉬우면서도 강력한 성능을 유지합니다. 다양한 작업과 플랫폼에서 작동하며, 10월 말에 모든 사용자가 사용할 수 있게 될 예정입니다. 커뮤니티에서 이 모델을 활용하여 새로운 솔루션을 만들고 컴퓨터 비전의 경계를 넓히는 모습을 기대합니다.
점점 더 커지는 커뮤니티에 참여하세요! AI에 대해 자세히 알아보려면 GitHub 저장소를 탐색해 보세요. 솔루션 페이지에서 리테일 분야의 컴퓨터 비전과 자동차 산업의 AI와 같은 혁신 기술을 만나보세요. 오늘 바로 컴퓨터 비전으로 개발을 시작하려면 라이선스 옵션을 확인해 보세요.
.webp)