Ultralytics : 5가지 도구, 하나의 컴퓨터 비전 플랫폼

오늘, 우리는 비전 AI 시스템의 구축 및 배포 과정을 간소화하기 위해 설계된 최고의 엔드투엔드 컴퓨터 비전 플랫폼인 Ultralytics 출시했습니다. 기계가 이미지와 동영상을 해석할 수 있게 해주는 인공지능 분야인 컴퓨터 비전은 이미 오늘날 우리가 의존하는 수많은 시스템의 기반이 되고 있지만, 이러한 솔루션을 구축하는 과정은 전통적으로 복잡한 편이었습니다.

많은 AI 엔지니어와 머신러닝 개발자에게 있어 컴퓨터 비전 애플리케이션을 구축하는 과정은 여전히 개발 전 단계에 걸쳐 여러 도구를 오가며 진행해야 하는 일이 많습니다. 한 팀은 데이터셋과 라벨링을 한 플랫폼에서 관리하고, 모델 훈련은 다른 플랫폼에서 수행하며, 예측 테스트, 실험 추적, 시스템의本番 환경 배포를 위해 추가적인 서비스를 이용해야 하는 경우가 많습니다.

프로젝트 규모가 커질수록 도구를 변경하면 개발 속도가 느려지고 운영상의 부담이 늘어날 수 있습니다. 팀들은 모델 개선이나 새로운 컴퓨터 비전 앱 개발에 집중하기보다는 워크플로우 관리, 도구 간 데이터 이동, 인프라 구성 등에 시간을 할애하는 경우가 많습니다.

Ultralytics 이러한 프로세스를 간소화하고 가속화하기 위해 개발되었습니다. 주석 달기, 훈련, 검증, 배포 및 모니터링을 하나의 환경으로 통합함으로써, AI 비전 스택 전반에 걸쳐 사용되던 여러 도구를 단일 컴퓨터 비전 플랫폼으로 대체하여, 팀이 확장 가능한 비전 AI 시스템을 보다 효율적으로 구축하고 배포할 수 있도록 지원합니다.

이 글에서는 Ultralytics 어떻게 여러 도구를 하나의 통합 컴퓨터 비전 플랫폼으로 대체하는지 살펴보겠습니다. 그럼 시작해 볼까요!

컴퓨터 비전 개발에서의 멀티툴 문제

컴퓨터 비전 솔루션을 구축하는 과정은 데이터셋 준비부터 시스템의 실제 운영 환경에 배포하기까지 여러 단계를 거칩니다. 대부분의 경우, 팀들은 이 워크플로의 각 단계마다 다음과 같은 다양한 도구를 활용합니다:

• 데이터셋 관리 도구: 팀들은 이 도구들을 사용하여 나중에 컴퓨터 비전 시스템의 훈련 데이터로 활용될 이미지 및 동영상을 저장하고 정리합니다.
  
• 주석 도구는 개발자와 데이터 팀이 이미지 내의 객체, 세그먼트 또는 키포인트에 라벨을 지정할 수 있게 하여, 시스템이 시각적 데이터로부터 패턴을 학습할 수 있도록 지원합니다.
  
• 모델 훈련 도구 및 프레임워크: 개발자들은 주석이 달린 데이터셋과 딥러닝 모델을 활용해 컴퓨터 비전 시스템을 훈련하기 위해 이러한 도구를 사용하며, 주로 PyTorch TensorFlow 같은 Python 머신러닝 프레임워크 내에서 작업합니다.
• 테스트 및 추론 도구: 배포 전에 팀은 새로운 이미지나 동영상에 모델을 적용하여 예측 결과를 확인하고 시스템의 성능을 평가합니다.
  
• 배포 및 모니터링 도구: 비전 AI 솔루션이 출시 준비가 되면, 추가 인프라를 활용하여 해당 애플리케이션을 실제 운영 환경에서 실행하고 시간이 지남에 따라 성능을 모니터링합니다.

이러한 도구를 각각 따로 관리하면 개발 워크플로우를 조율하기가 더 어려워질 수 있습니다. 결국 팀은 컴퓨터 비전 애플리케이션 개선에 집중하기보다는 플랫폼 간 데이터 이동, 통합 유지 관리, 인프라 구성에 시간을 쏟게 됩니다.

엔드투엔드 비전 AI 플랫폼이란 무엇인가요?

Ultralytics 주요 기능과 활용 방법을 자세히 살펴보기 전에, 먼저 ‘엔드투엔드 컴퓨터 비전 플랫폼’이 무엇을 의미하는지 알아보겠습니다.

간단히 말해, Ultralytics 개발자들이 컴퓨터 비전 애플리케이션을 구축하고 실행할 수 있는 통합 환경을 제공합니다. 개발 과정의 각 단계마다 별도의 서비스를 이용해야 하는 번거로움 없이, 개인이나 팀은 동일한 환경 내에서 시각 데이터를 처리하고, 모델과 알고리즘을 학습시키며, 결과를 테스트하고, 애플리케이션을 실행할 수 있습니다.

이러한 접근 방식 덕분에 개발자들은 도구를 계속 바꿔가며 작업할 필요 없이 더 쉽게 실험을 진행하고, 시스템을 개선하며, 프로젝트를 추진할 수 있습니다.

Ultralytics 비전 AI 워크플로를 어떻게 간소화하는가

Ultralytics 수년간 컴퓨터 비전 커뮤니티와 긴밀히 협력하며 발전해 왔습니다. 비전 AI 시스템을 구축하는 개발자 및 팀들과의 대화를 통해 몇 가지 공통된 과제가 지속적으로 제기되었습니다.

예를 들어, 주요 우려 사항 중 하나는 데이터 주석 작업이었는데, 대규모 데이터셋에 라벨을 붙여야 할 경우 상당한 시간이 소요될 수 있습니다. 또 다른 과제는 팀이 시스템을本番 환경으로 전환하려 할 때 발생했는데, 서로 다른 환경과 하드웨어 구성에 애플리케이션을 배포하려면 종종 추가적인 도구가 필요하기 때문입니다. 

주석 도구나 훈련 환경, 배포 시스템이 여러 플랫폼에 분산되어 있는 경우가 많기 때문에 많은 팀이 도구 전환 문제를 겪고 있습니다. Ultralytics 다양한 내장 기능을 통해 이러한 모든 복잡한 문제를 해결합니다. 

Ultralytics 주요 기능 개요

그럼 이제 이러한 과제를 해결하고 전반적인 비전 AI 워크플로를 간소화하는 데 도움이 되는 Ultralytics 주요 기능 몇 가지를 자세히 살펴보겠습니다:

• 스마트 데이터 주석: 내장된 주석 도구는 Segment Anything Model(SAM)을 기반으로 한 스마트 주석 기능과 주석 작업 흐름을 간소화하는 키보드 단축키 등을 통해 팀이 데이터셋에 더 빠르게 라벨을 지정할 수 있도록 지원합니다.
• 통합 모델 훈련: 개발자는 대화형 대시보드를 통해 실험을 추적하고 성능을 모니터링하면서 플랫폼 내에서 직접 사전 훈련된 모델을 훈련할 수 있습니다.
• 브라우저 기반 추론 테스트: 팀은 브라우저에서 예측 결과를 신속하게 테스트하여 시스템을本番 환경에 배포하기 전에 성능을 평가할 수 있습니다.
• 유연한 배포 옵션: 모델을 17가지 다른 형식으로 내보내거나, 전 세계 43개 지역의 공유 추론 서비스 및 전용 엔드포인트를 통해 배포할 수 있습니다.
• 내장형 모니터링: 이 플랫폼은 팀이 track 결과, 시스템 성능 및 배포 상태를 한 곳에서 track 수 있도록 도와주는 대시보드를 제공합니다.

원시 데이터부터 Ultralytics 통한 배포까지

Ultralytics 대해 더 알아가다 보면, 실제로 이 플랫폼을 사용하는 모습이 어떤지 궁금해질 수 있습니다. 더 잘 이해하기 위해 간단한 예시를 하나 살펴보겠습니다.

제조 라인을 위한 육안 검사 시스템을 구축하는 것을 고려해 보십시오. 목표는 생산 공정을 거치는 동안 손상되거나 결함이 있는 제품을 자동으로 식별하는 것입니다.

이 과정은 일반적으로 시각 데이터 수집으로 시작됩니다. Ultralytics새로운 컴퓨터 비전 플랫폼을 사용하면 생산 라인에서 촬영한 제품 이미지나 동영상을 업로드하고, 이를 결함 탐지 모델 훈련에 활용될 데이터 세트로 정리할 수 있습니다.

다음은 데이터 주석 작업입니다. 플랫폼에 내장된 수동 또는 AI 기반 주석 도구를 활용하면, 5가지 탐지 작업에 걸쳐 이미지 내에서 직접 결함을 표시할 수 있습니다. SAM 기반으로 한 스마트 주석 기능과, 단 한 번의 클릭으로 키포인트를 배치할 수 있는 내장 포즈 스켈레톤 템플릿과 같은 혁신적인 기능들은, 그렇지 않았다면 수 시간이 소요되었을 워크플로우를 대폭 간소화합니다.

데이터셋 준비가 완료되면 모델 훈련 단계로 넘어갈 수 있습니다. 이 플랫폼을 사용하면 라벨링된 데이터를 활용해 Ultralytics YOLO 같은 컴퓨터 비전 YOLO 훈련할 수 있습니다. 훈련 과정에서 단일 대시보드를 통해 성능 지표를 모니터링하고, track , 시간이 지남에 따라 모델을 최적화하여 시스템 성능을 향상시킬 수 있습니다.

훈련이 끝나면 다음 단계는 테스트와 검증입니다. 플랫폼 내에서 직접 새로운 이미지에 대한 예측을 실행하여 시스템이 결함을 얼마나 잘 감지하는지 확인하고, 추가 개선이 필요한 부분을 파악할 수 있습니다.

마지막으로, 시스템의 성능이 만족스러워지면 실제 운영 환경에 배포할 수 있습니다. Ultralytics 모델을 다양한 형식으로 내보내거나 추론 서비스 및 엔드포인트를 통해 배포하여 실제 환경에서 실행할 수 있도록 지원합니다.

Ultralytics 이 파이프라인의 각 단계를 지원함으로써, 원시 시각 데이터를 생산 라인에서 detect 자동으로 detect 수 있는 실용적인 컴퓨터 비전 애플리케이션으로 전환하는 과정을 더욱 수월하게 만들어 줍니다.

Ultralytics 통해 구현할 수 있는 비전 AI 기반 활용 사례

시각적 데이터를 정보로 변환하여 프로세스를 자동화할 수 있는 대부분의 분야에서 컴퓨터 비전은 큰 변화를 가져올 수 있습니다. 이는 의료부터 자동차 산업에 이르기까지 모든 산업 분야에 해당되며, Ultralytics 이러한 다용도성을 지원하기 위해 구축되었습니다.

이 플랫폼은 Ultralytics 같은 최첨단 모델을 기본적으로 지원하며, 물체 탐지, 이미지 분류, 인스턴스 분할, 자세 추정, 방향 기반 바운딩 박스(OBB) 탐지 등 다양한 컴퓨터 비전 작업을 수행할 수 있습니다. 이러한 유연성 덕분에 개발자들은 이미지나 동영상을 분석해야 하는 다양한 시나리오에 맞는 애플리케이션을 구축할 수 있습니다.

예를 들어, 연구팀들은 해양 환경에서의 실시간 수중 모니터링, 의학 및 생물학 연구 분야의 세포 계수, 외딴 생태계 내 야생동물 추적, 자율주행차의 인식 시스템 구현, 복잡한 환경에서의 로봇 안내 등을 위한 시스템을 개발할 수 있습니다. 그리고 이는 컴퓨터 비전을 통해 가능해지는 수많은 응용 사례 중 극히 일부에 불과합니다.

Ultralytics 비전 AI의 미래인 이유

컴퓨터 비전이 점점 더 널리 보급됨에 따라, 비전 AI 개발을 보다 쉽게 접근할 수 있도록 하는 것이 점점 더 중요해지고 있습니다. 많은 개발자와 기업들이 시각 데이터를 활용해 실험하고 AI 애플리케이션을 구축하고자 하지만, 기존의 개발 환경으로는 시작하기가 쉽지 않을 수 있습니다.

Ultralytics 개발자들이 컴퓨터 비전 기술을 활용해 신속하게 작업을 시작할 수 있는 환경을 제공함으로써 이러한 진입 장벽을 낮추는 데 도움을 줍니다. 팀은 인프라 구축이나 다양한 도구 통합에 시간을 낭비하지 않고, 아이디어 실험과 실용적인 애플리케이션 개발에 집중할 수 있습니다.

이러한 접근성 덕분에 더 많은 개발자, 연구자 및 기관이 비전 AI를 탐구할 수 있는 길이 열렸습니다. 그 결과, 더 많은 팀이 시각적 데이터를 의미 있는 통찰력으로 전환하고 현실 세계의 문제를 해결하는 애플리케이션을 개발할 수 있게 되었습니다.

비전 AI가 다양한 산업 분야로 계속해서 확산됨에 따라, Ultralytics 개발 과정을 더욱 접근하기 쉽게 만들고 컴퓨터 비전의 미래를 이끌어가는 데 핵심적인 역할을 할 것이라고 믿습니다.

Ultralytics 시작하기

지금 Ultralytics 컴퓨터 비전 프로젝트를 시작해 보세요. 무료 플랜을 통해 플랫폼을 체험해 보실 수 있으며, 여기에는 클라우드 훈련을 위한 가입 크레딧과 데이터셋 관리, 이미지 주석 달기, 모델 훈련, 애플리케이션 배포를 위한 핵심 도구 이용 권한이 포함되어 있습니다.

프로젝트가 확장됨에 따라 더 많은 컴퓨팅 리소스, 스토리지, 협업 기능 및 배포 용량을 제공하는 추가 요금제를 통해 사용 규모를 유연하게 조정할 수 있습니다. 또한 이 플랫폼은 클라우드 교육 및 관리형 엔드포인트와 같은 서비스에 크레딧 기반 요금제를 적용하여, 팀이 track 투명하게 track 실험을 수행하고 애플리케이션을 배포할 수 있도록 지원합니다.

주요 내용

이미지 처리 및 컴퓨터 비전 기술은 연구 실험 단계에서 벗어나 일상적인 기술을 뒷받침하는 실제 시스템으로 빠르게 자리 잡고 있습니다. Ultralytics 개발자들이 비전 AI 애플리케이션을 보다 간편하게 구축, 테스트 및 배포할 수 있도록 지원함으로써 이러한 변화를 가속화합니다. 아이디어 구상부터 배포까지의 장벽이 낮아짐에 따라, 차세대 컴퓨터 비전 솔루션을 그 어느 때보다 빠르게 구축할 수 있게 되었습니다.

저희 커뮤니티에 가입하고 GitHub 저장소를 살펴보시면 컴퓨터 비전 모델에 대해 더 자세히 알아보실 수 있습니다. 솔루션 페이지에서 농업 분야 AI 및 로봇 공학 분야의 컴퓨터 비전과 같은 다양한 응용 사례를 확인해 보세요. 라이선스 옵션을 살펴보시고 나만의 비전 AI 모델 구축을 시작해 보세요.