Ultralytics YOLO26 소개: 더 좋고, 빠르고, 더 작은 YOLO 모델

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

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

말할 필요도 없이, 이로 인해 Ultralytics YOLO26 사용으로의 전환이 번거롭지 않게 되었으며, 10월 말 일반 공개 시 사용자들이 직접 경험하게 될 날을 고대하고 있습니다.

그림 1. 이미지에서 객체를 감지하기 위해 Ultralytics YOLO26을 사용하는 예시.

간단히 말해, Ultralytics YOLO26은 더 나아지고, 더 빠르고, 더 작은 비전 AI 모델입니다. 이 기사에서는 Ultralytics YOLO26의 주요 기능과 그것이 제공하는 이점에 대해 살펴보겠습니다. 시작해 봅시다!

Ultralytics YOLO26으로 비전 AI의 한계를 뛰어넘다#

Ultralytics YOLO26의 주요 기능과 그것이 가능하게 하는 애플리케이션을 살펴보기 전에, 잠시 물러나 이 모델의 개발을 이끈 영감과 동기에 대해 논의해 보겠습니다.

Ultralytics에서는 항상 혁신의 힘을 믿어왔습니다. 처음부터 우리의 사명은 두 가지였습니다. 한편으로는 누구나 장벽 없이 사용할 수 있도록 비전 AI를 접근하기 쉽게 만들고자 합니다. 다른 한편으로는 computer vision models가 달성할 수 있는 한계를 넓히며 최첨단 상태를 유지하기 위해 최선을 다하고 있습니다.

이 사명의 핵심 요인은 AI 분야가 항상 진화하고 있다는 점입니다. 예를 들어, 클라우드에 의존하는 대신 장치에서 직접 AI 모델을 실행하는 엣지 AI가 산업 전반에서 빠르게 채택되고 있습니다.

스마트 카메라에서 자율 시스템에 이르기까지 엣지의 장치들은 이제 실시간으로 정보를 처리해야 합니다. 이러한 변화는 동일한 높은 수준의 정확성을 유지하면서도 더 가볍고 빠른 모델을 요구합니다.

이것이 바로 Ultralytics YOLO 모델을 지속적으로 개선해야 하는 이유입니다. Glenn Jocher의 말처럼, “가장 큰 과제 중 하나는 사용자가 최고의 성능을 누리면서도 YOLO26을 최대한 활용할 수 있도록 보장하는 것이었습니다.”

Ultralytics YOLO26 개요#

YOLO26은 5가지의 다양한 모델 변형으로 기본 제공되므로, 모든 규모의 애플리케이션에서 해당 기능을 유연하게 활용할 수 있습니다. 이 모든 모델 변형은 이전 Ultralytics YOLO 모델과 마찬가지로 여러 컴퓨터 비전 작업을 지원합니다. 즉, 어떤 크기를 선택하든 Ultralytics YOLO11과 마찬가지로 YOLO26을 통해 광범위한 기능을 안정적으로 활용할 수 있습니다.

Ultralytics YOLO26에서 지원하는 computer vision tasks의 개요는 다음과 같습니다:

• Object detection: Ultralytics YOLO26은 이미지 또는 비디오 프레임 내의 여러 객체를 식별하고 위치를 파악할 수 있습니다.
• Instance segmentation: 탐지를 넘어 한 단계 더 나아가, Ultralytics YOLO26은 식별된 각 객체 주변에 픽셀 단위로 완벽한 경계선을 생성할 수 있습니다.
• 이미지 분류(Image classification): 모델은 전체 이미지를 분석하여 특정 범주나 레이블에 할당할 수 있습니다.
• Pose estimation: Ultralytics YOLO26은 사람뿐만 아니라 다른 객체의 키포인트를 감지하고 포즈를 추정할 수 있습니다.
• 지향성 경계 상자(Oriented bounding boxes, OBB): 이 모델은 건물, 차량 또는 농작물과 같은 항목이 이미지 프레임과 정렬되지 않을 수 있는 항공, 드론 및 위성 이미지에 특히 유용한 임의 각도의 객체를 감지할 수 있습니다.
• Object tracking: Ultralytics YOLO26은 비디오 프레임이나 실시간 스트림에서 객체를 추적하는 데 사용할 수 있습니다.

그림 2. Ultralytics YOLO26을 사용하여 이미지에서 객체를 감지하는 모습.

Ultralytics YOLO26의 아키텍처 살펴보기#

Ultralytics YOLO26의 기능에 대해 더 잘 이해하게 되었으니, 이제 아키텍처의 주요 혁신 사항들을 살펴보겠습니다.

모델 설계는 이전에 추론 속도를 늦추고 경계 상자 회귀를 제한했던 Distribution Focal Loss(DFL) 모듈을 제거하여 간소화되었습니다.

예측 프로세스 또한 엔드 투 엔드(E2E) 추론 옵션으로 간소화되어, 모델이 전통적인 Non-Maximum Suppression(NMS) 단계를 건너뛸 수 있게 되었습니다. 이러한 개선은 복잡성을 줄이고 모델이 더 빠르게 결과를 제공할 수 있게 하여 실세계 애플리케이션에서의 배포를 용이하게 합니다.

기타 개선 사항들은 모델을 더 스마트하고 안정적으로 만듭니다. Progressive Loss Balancing(ProgLoss)은 학습을 안정화하고 정확도를 높이는 데 도움이 되며, Small-Target-Aware Label Assignment(STAL)는 작은 객체를 더 효과적으로 감지할 수 있도록 합니다. 게다가, 새로운 MuSGD 최적화 도구는 학습 수렴을 개선하고 전반적인 성능을 높입니다.

실제로 Ultralytics YOLO26의 가장 작은 버전인 나노 모델은 이제 표준 CPU에서 최대 43% 더 빠르게 실행되므로, 속도와 효율성이 매우 중요한 모바일 앱, 스마트 카메라 및 기타 엣지 디바이스에 특히 적합합니다. 다음은 YOLO26의 기능과 사용자가 기대할 수 있는 점에 대한 간략한 요약입니다.

• DFL 제거: 모델 아키텍처에서 Distribution Focal Loss 모듈을 제거했습니다. 이미지 내 객체 크기에 관계없이, Ultralytics YOLO26은 더 효율적으로 실행되면서도 맞춤형 바운딩 박스를 배치할 수 있습니다.
• 엔드투엔드 NMS 프리 추론: Ultralytics YOLO26은 중복 예측을 제거하는 데 일반적으로 사용되는 단계인 Non-Maximum Suppression (NMS)가 필요 없는 선택적 모드를 추가하여, 실시간 사용 시 배포를 더욱 간단하고 빠르게 만듭니다.
• ProgLoss 및 STAL: 이러한 개선 사항은 학습을 더 안정적으로 만들고, 특히 복잡한 장면에서 작은 객체를 감지할 때 정확도를 크게 높입니다.
• MuSGD 옵티마이저: Ultralytics YOLO26은 두 가지 학습 옵티마이저(Muon과 SGD)의 장점을 결합한 새로운 옵티마이저를 사용하여, 모델이 더 빠르게 학습하고 더 높은 정확도에 도달할 수 있도록 돕습니다.

그림 3. Ultralytics YOLO26 벤치마킹.

Ultralytics YOLO26으로 배포 간소화#

모바일 앱, 스마트 카메라, 엔터프라이즈 시스템 중 무엇을 작업하든 YOLO26 배포는 간단하고 유연합니다. Ultralytics Python package는 지속적으로 증가하는 export formats을 지원하므로 YOLO26을 기존 워크플로에 쉽게 통합하고 거의 모든 플랫폼과 호환되도록 만들 수 있습니다.

주요 내보내기 옵션에는 최대 GPU 가속을 위한 TensorRT, 광범위한 호환성을 위한 ONNX, 네이티브 iOS 앱을 위한 CoreML, Android 및 엣지 디바이스를 위한 TFLite, Intel 하드웨어에서 최적화된 성능을 제공하는 OpenVINO 등이 포함됩니다. 이러한 유연성 덕분에 추가적인 장애물 없이 Ultralytics YOLO26을 개발 단계에서 프로덕션 단계로 손쉽게 전환할 수 있습니다.

배포의 또 다른 핵심 부분은 리소스가 제한된 디바이스에서 모델이 효율적으로 실행되도록 보장하는 것입니다. 여기서 양자화(quantization)가 중요한 역할을 합니다. 단순화된 아키텍처 덕분에 Ultralytics YOLO26은 이를 예외적으로 잘 처리합니다. 최소한의 정확도 손실로 크기를 줄이고 속도를 높이기 위해 8비트 압축을 사용하는 INT8 배포는 물론, 지원되는 하드웨어에서 더 빠른 추론을 위한 반정밀도(FP16)를 지원합니다.

가장 중요한 점은 Ultralytics YOLO26이 이러한 양자화 수준 전반에 걸쳐 일관된 성능을 제공하므로, 강력한 서버에서 실행되든 소형 엣지 디바이스에서 실행되든 안심하고 사용할 수 있다는 것입니다.

로보틱스에서 제조업까지: Ultralytics YOLO26의 활용 사례#

Ultralytics YOLO26은 다양한 산업과 유스케이스에 걸쳐 광범위한 컴퓨터 비전 애플리케이션에 사용될 수 있습니다. 로보틱스부터 제조업에 이르기까지, 워크플로를 개선하고 더 빠르고 정확한 의사결정을 가능하게 함으로써 상당한 영향을 미칠 수 있습니다.

예를 들어 robotics 분야를 들 수 있습니다. 이곳에서 Ultralytics YOLO26은 로봇이 주변 환경을 실시간으로 해석하도록 도울 수 있습니다. 이를 통해 내비게이션이 더 부드러워지고 객체 조작이 더욱 정밀해집니다. 또한 사람과의 더 안전한 협업이 가능해집니다.

또 다른 예로는 manufacturing이 있으며, 이 모델은 결함 감지에 사용될 수 있습니다. 수동 검사보다 더 빠르고 정확하게 생산 라인의 결함을 자동으로 식별할 수 있습니다.

그림 4. Ultralytics YOLO26을 사용하여 제조 공장에서 병 감지하기.

일반적으로 Ultralytics YOLO26은 더 뛰어나고, 더 빠르며, 더 가볍기 때문에 경량 엣지 디바이스부터 대규모 엔터프라이즈 시스템에 이르기까지 다양한 환경에 쉽게 적응합니다. 덕분에 효율성, 정확도, 신뢰성을 높이고자 하는 산업에 실용적인 선택지가 됩니다.

핵심 요약#

Ultralytics YOLO26은 사용하기 쉽고 강력한 성능을 유지하면서도 더 나아지고, 더 빠르고, 더 가벼워진 컴퓨터 비전 모델입니다. 다양한 작업과 플랫폼에서 작동하며 10월 말까지 모두에게 제공될 예정입니다. 커뮤니티가 이를 사용하여 새로운 솔루션을 만들고 컴퓨터 비전의 한계를 뛰어넘는 모습을 기대합니다.

성장하는 community에 참여하세요! AI에 대해 더 알아보려면 GitHub repository를 살펴보세요. 솔루션 페이지를 방문하여 computer vision in retail 및 AI in the automotive 산업과 같은 혁신을 발견해 보세요. 오늘 컴퓨터 비전 구축을 시작하려면 licensing options을 확인해 보세요.