속도, 정확성, 배포 기능의 최적의 균형을 지원하는 최신 Ultralytics YOLO 모델인 Ultralytics YOLO26과 최첨단 기능에 대해 알아보세요.
YOLO 비전 2025에 주목하세요!
2025년 9월 25일
10:00 - 18:00 BST
하이브리드 이벤트
속도, 정확성, 배포 기능의 최적의 균형을 지원하는 최신 Ultralytics YOLO 모델인 Ultralytics YOLO26과 최첨단 기능에 대해 알아보세요.
9월 25일, 런던에서 열린 연례 하이브리드 이벤트인 YOLO 비전 2025(YV25) 에서, 창립자 겸 CEO인 Glenn Jocher는 Ultralytics YOLO 모델 시리즈의 최신 혁신인 Ultralytics YOLO26을 공식 발표했습니다! 새로운 컴퓨터 비전 모델인 YOLO26은 속도, 정확성, 배포 용이성 사이에서 균형을 이루는 간소화된 아키텍처로 이미지와 비디오를 분석하고 해석할 수 있습니다.
Ultralytics YOLO26은 모델 설계 측면을 간소화하고 새로운 개선 사항을 추가하는 한편, 사용자가 Ultralytics YOLO 모델에서 기대하는 익숙한 기능도 계속 제공합니다. 예를 들어, Ultralytics YOLO26은 사용이 간편하고 다양한 컴퓨터 비전 작업을 지원하며 유연한 통합 및 배포 옵션을 제공합니다.
말할 필요도 없이, 울트라리틱스 YOLO26으로 전환하는 것은 번거로울 것이 없으며, 10월 말에 공개될 때 사용자들이 직접 체험해 볼 수 있기를 고대하고 있습니다.
간단히 말해, Ultralytics YOLO26은 더 빠르고, 더 작고, 더 나은 Vision AI 모델입니다. 이 글에서는 Ultralytics YOLO26의 주요 기능과 이 제품이 제공하는 이점에 대해 살펴보겠습니다. 시작해 보겠습니다!
Ultralytics YOLO26의 주요 기능과 이를 통해 가능한 애플리케이션에 대해 자세히 알아보기 전에 한 걸음 물러나서 이 모델을 개발하게 된 영감과 동기에 대해 논의해 보겠습니다.
Ultralytics는 항상 혁신의 힘을 믿어 왔습니다. 처음부터 우리의 사명은 두 가지였습니다. 한편으로는 누구나 장벽 없이 Vision AI를 사용할 수 있도록 접근성을 높이고자 했습니다. 다른 한편으로는 컴퓨터 비전 모델이 달성할 수 있는 한계를 뛰어넘어 최첨단을 유지하기 위해 최선을 다하고 있습니다.
이 미션의 핵심 요소는 AI 분야가 항상 진화하고 있다는 점입니다. 예를 들어 클라우드에 의존하지 않고 디바이스에서 직접 AI 모델을 실행하는 엣지 AI는 산업 전반에서 빠르게 채택되고 있습니다.
스마트 카메라부터 자율 시스템에 이르기까지 이제 엣지 디바이스는 실시간으로 정보를 처리해야 합니다. 이러한 변화는 더 가볍고 빠르면서도 동일한 수준의 높은 정확도를 제공하는 모델을 요구합니다.
그렇기 때문에 Ultralytics YOLO 모델을 계속 개선해야 할 필요성이 끊임없이 제기되고 있습니다. "가장 큰 과제 중 하나는 사용자가 최고의 성능을 제공하면서 YOLO26을 최대한 활용할 수 있도록 하는 것이었습니다."라고 Glenn Jocher는 말합니다.
YOLO26은 5가지 모델 변형으로 즉시 사용 가능하므로 모든 규모의 애플리케이션에서 유연하게 기능을 활용할 수 있습니다.
이 모든 모델 변형은 이전 Ultralytics YOLO 모델과 마찬가지로 여러 컴퓨터 비전 작업을 지원합니다. 즉, 어떤 크기를 선택하든 YOLO26은 Ultralytics YOLO11과 마찬가지로 다양한 기능을 제공할 수 있습니다.
다음은 YOLO26에서 지원하는 컴퓨터 비전 작업의 개요입니다:
이제 YOLO26의 기능에 대해 더 잘 이해했으니 아키텍처의 몇 가지 혁신에 대해 살펴보겠습니다.
이전에는 추론 속도를 저하시키고 바운딩 박스 회귀를 제한했던 분포 초점 손실(DFL) 모듈을 제거하여 모델 설계를 간소화했습니다.
예측 프로세스는 또한 엔드투엔드(E2E) 추론 옵션으로 간소화되어 모델이 기존의 비최대 억제(NMS) 단계를 건너뛸 수 있습니다. 이러한 개선으로 복잡성이 줄어들고 모델이 더 빠르게 결과를 제공하므로 실제 애플리케이션에 더 쉽게 배포할 수 있습니다.
다른 개선 사항으로 모델이 더욱 스마트하고 안정적으로 작동합니다. 프로그레시브 손실 균형(ProgLoss)은 학습을 안정화하고 정확도를 개선하는 데 도움이 되며, 작은 목표 인식 라벨 할당(STAL)은 모델이 작은 물체를 더 효과적으로 감지할 수 있도록 합니다. 또한 새로운 MuSGD 옵티마이저는 훈련 수렴을 개선하고 전반적인 성능을 향상시킵니다.
실제로 YOLO26의 가장 작은 버전인 나노 모델은 표준 CPU에서 최대 43% 더 빠르게 실행되므로 속도와 효율성이 중요한 모바일 앱, 스마트 카메라 및 기타 엣지 디바이스에 특히 적합합니다.
다음은 YOLO26의 기능과 사용자가 기대할 수 있는 기능을 간략히 요약한 것입니다:
모바일 앱, 스마트 카메라 또는 엔터프라이즈 시스템에서 작업하든, YOLO26을 배포하는 것은 간단하고 유연합니다. Ultralytics Python 패키지는 지속적으로 증가하는 내보내기 형식을 지원하므로 YOLO26을 기존 워크플로우에 쉽게 통합할 수 있으며 거의 모든 플랫폼과 호환됩니다.
내보내기 옵션에는 GPU 가속을 극대화하는 TensorRT, 광범위한 호환성을 제공하는 ONNX, 네이티브 iOS 앱을 위한 CoreML, Android 및 엣지 디바이스를 위한 TFLite, 인텔 하드웨어에서 최적화된 성능을 제공하는 OpenVINO 등이 있습니다. 이러한 유연성 덕분에 개발부터 프로덕션까지 별도의 장애물 없이 YOLO26을 간편하게 사용할 수 있습니다.
배포의 또 다른 중요한 부분은 리소스가 제한된 디바이스에서 모델이 효율적으로 실행되도록 하는 것입니다. 바로 이 부분에서 정량화가 필요합니다. YOLO26은 간소화된 아키텍처 덕분에 이 문제를 매우 잘 처리합니다. INT8 배포(8비트 압축을 사용하여 정확도 손실을 최소화하면서 크기를 줄이고 속도를 개선)는 물론 지원되는 하드웨어에서 더 빠른 추론을 위한 반정밀도(FP16)도 지원합니다.
가장 중요한 것은 YOLO26이 이러한 양자화 수준에서 일관된 성능을 제공하므로 강력한 서버에서 실행하든 소형 엣지 디바이스에서 실행하든 신뢰할 수 있다는 점입니다.
YOLO26은 다양한 산업과 사용 사례에 걸쳐 광범위한 컴퓨터 비전 애플리케이션에 사용할 수 있습니다. 로봇 공학에서 제조에 이르기까지 워크플로우를 개선하고 더 빠르고 정확한 의사결정을 가능하게 함으로써 상당한 영향을 미칠 수 있습니다.
예를 들어, 로봇 공학 분야에서 YOLO26은 로봇이 주변 환경을 실시간으로 해석하는 데 도움을 줄 수 있습니다. 이를 통해 탐색이 더 원활해지고 물체를 더 정확하게 다룰 수 있습니다. 또한 사람과 더 안전하게 협업할 수 있습니다.
또 다른 예는 제조 분야로, 이 모델을 결함 감지에 사용할 수 있습니다. 수동 검사보다 더 빠르고 정확하게 생산 라인의 결함을 자동으로 식별할 수 있습니다.
일반적으로 YOLO26은 더 빠르고 빠르며 가볍기 때문에 경량 엣지 디바이스에서 대규모 엔터프라이즈 시스템에 이르기까지 다양한 환경에 쉽게 적응할 수 있습니다. 따라서 효율성, 정확성, 신뢰성을 개선하고자 하는 업계에 실용적인 선택이 될 수 있습니다.
Ultralytics YOLO26은 사용하기 쉬우면서도 강력한 성능을 제공하는 동시에 더 빠르고, 더 가벼워진 컴퓨터 비전 모델입니다. 다양한 작업과 플랫폼에서 작동하며 10월 말에는 누구나 사용할 수 있습니다. 커뮤니티에서 새로운 솔루션을 만들고 컴퓨터 비전의 경계를 넓히는 데 어떻게 활용될지 기대가 됩니다.
성장하는 커뮤니티에 참여하세요! GitHub 리포지토리를 살펴보고 AI에 대해 자세히 알아보세요. 솔루션 페이지를 방문하여 소매업의 컴퓨터 비전과 자동차 산업의 AI와 같은 혁신에 대해 알아보세요. 지금 바로 컴퓨터 비전으로 구축을 시작하려면 라이선스 옵션을 확인하세요.
.webp)
