Ultralytics Platform: 도구 다섯 개, 컴퓨터 비전 플랫폼 하나

오늘, 비전 AI 시스템의 구축과 배포를 간소화하도록 설계된 종단 간 컴퓨터 비전 플랫폼인 Ultralytics Platform을 출시했습니다. 이미지와 동영상을 기계가 해석할 수 있도록 하는 인공지능 분야인 컴퓨터 비전은 이미 오늘날 우리가 의존하는 많은 시스템을 구동하고 있지만, 이러한 솔루션을 구축하는 과정은 전통적으로 복잡했습니다.

많은 AI 엔지니어와 머신러닝 개발자에게 컴퓨터 비전 애플리케이션을 구축하려면 개발 과정에서 여러 도구를 오가야 합니다. 팀은 한 플랫폼에서 데이터셋과 어노테이션을 관리하고, 다른 플랫폼에서 모델을 학습하며, 예측 테스트와 실험 추적, 시스템의 프로덕션 배포를 위해 추가 서비스를 이용하기도 합니다.

프로젝트가 커지면 도구를 오가는 과정에서 개발 속도가 느려지고 운영 오버헤드가 늘어날 수 있습니다. 모델 개선과 새로운 컴퓨터 비전 앱 개발에 집중하는 대신, 팀은 워크플로 관리, 도구 간 데이터 이동, 인프라 구성에 시간을 쓰는 경우가 많습니다.

Ultralytics Platform은 이 과정을 간소화하고 가속화하기 위해 만들어졌습니다. 어노테이션, 학습, 검증, 배포, 모니터링을 하나의 환경에 통합하여 AI 비전 스택의 여러 도구를 단일 컴퓨터 비전 플랫폼으로 대체하고, 팀이 확장 가능한 비전 AI 시스템을 더욱 효율적으로 구축하고 배포할 수 있도록 지원합니다.

그림 1. Ultralytics Platform을 사용한 데이터셋 준비 모습 (출처)

이 글에서는 Ultralytics Platform이 여러 도구를 통합된 컴퓨터 비전 플랫폼 하나로 대체하는 방법을 살펴보겠습니다. 시작해 보겠습니다!

컴퓨터 비전 개발에서 여러 도구를 사용하는 문제#

컴퓨터 비전 솔루션을 구축하려면 데이터셋 준비부터 프로덕션 시스템 배포까지 여러 단계가 필요합니다. 많은 경우 팀은 워크플로의 각 부분에 서로 다른 도구를 사용하며, 여기에는 다음이 포함됩니다.

• 데이터셋 관리 도구: 팀은 이러한 도구를 사용해 나중에 컴퓨터 비전 시스템의 학습 데이터로 사용할 이미지와 동영상을 저장하고 정리합니다.
• 어노테이션 도구: 이러한 플랫폼을 사용하면 개발자와 데이터 팀이 이미지 내 객체, 영역 또는 키포인트에 레이블을 지정하여 시스템이 시각 데이터에서 패턴을 학습하도록 할 수 있습니다.
• 모델 학습 도구 및 프레임워크: 개발자는 어노테이션된 데이터셋과 딥러닝 모델을 사용해 컴퓨터 비전 시스템을 학습하기 위해 이러한 도구를 활용하며, PyTorch와 TensorFlow 같은 Python 기반 머신러닝 프레임워크에서 작업하는 경우가 많습니다.
• 테스트 및 추론 도구: 배포 전에 팀은 새로운 이미지나 동영상에 모델을 실행해 예측을 확인하고 시스템의 성능을 평가합니다.
• 배포 및 모니터링 도구: 비전 AI 솔루션을 배포할 준비가 되면 추가 인프라를 사용해 애플리케이션을 프로덕션에서 실행하고 성능을 지속적으로 모니터링합니다.

이러한 도구를 따로 관리하면 개발 워크플로를 조율하기가 어려워질 수 있습니다. 팀은 컴퓨터 비전 애플리케이션 개선에 집중하는 대신 플랫폼 간 데이터 이동, 통합 기능 유지 관리, 인프라 구성에 시간을 쓰게 됩니다.

종단 간 비전 AI 플랫폼이란 무엇인가요?#

Ultralytics Platform의 주요 기능과 활용 방법을 살펴보기 전에 종단 간 컴퓨터 비전 플랫폼이 무엇을 의미하는지 알아보겠습니다.

간단히 말해, Ultralytics Platform은 개발자가 컴퓨터 비전 애플리케이션을 구축하고 실행할 수 있는 통합 환경을 제공합니다. 개발 과정의 각 부분에 서로 다른 서비스를 사용하는 대신, 개인과 팀은 하나의 환경에서 시각 데이터를 다루고 모델과 알고리즘을 학습하며 결과를 테스트하고 애플리케이션을 실행할 수 있습니다.

그림 2. Ultralytics Platform에서 모델 테스트하기 (출처)

이러한 접근 방식은 개발자가 도구를 계속 전환하지 않고도 실험하고 시스템을 개선하며 프로젝트를 진전시키는 데 도움이 됩니다.

Ultralytics Platform이 비전 AI 워크플로를 간소화하는 방법#

Ultralytics Platform은 컴퓨터 비전 커뮤니티와 긴밀히 협력하며 쌓은 오랜 경험을 바탕으로 만들어졌습니다. 비전 AI 시스템을 구축하는 개발자 및 팀과 이야기를 나누면서 몇 가지 공통적인 어려움이 반복적으로 드러났습니다.

예를 들어, 대규모 데이터셋에 레이블을 지정할 때 상당한 시간이 걸릴 수 있는 데이터 어노테이션이 주요 문제 중 하나였습니다. 또 다른 문제는 팀이 시스템을 프로덕션으로 이전할 때 나타났습니다. 다양한 환경과 하드웨어 설정에 애플리케이션을 배포하려면 추가 도구가 필요한 경우가 많습니다.

많은 팀은 어노테이션 도구, 학습 환경, 배포 시스템이 여러 플랫폼에 분산되어 있어 도구를 오가며 작업하기도 합니다. Ultralytics Platform은 다양한 기본 제공 기능으로 이러한 문제를 모두 해결합니다.

Ultralytics Platform의 주요 기능 개요#

이러한 어려움과 전반적인 비전 AI 워크플로를 간소화하는 Ultralytics Platform의 주요 기능을 살펴보겠습니다.

• 스마트 데이터 어노테이션: Segment Anything Model (SAM)을 활용하는 스마트 어노테이션과 어노테이션 워크플로를 간소화하는 키보드 단축키 등의 기능을 제공하는 기본 어노테이션 도구로 데이터셋에 더 빠르게 레이블을 지정할 수 있습니다.
• 통합 모델 학습: 개발자는 플랫폼에서 사전 학습된 모델을 직접 학습하고, 인터랙티브 대시보드에서 실험을 추적하고 성능을 모니터링할 수 있습니다.
• 브라우저 기반 추론 테스트: 팀은 브라우저에서 예측을 빠르게 테스트하여 시스템을 프로덕션에 배포하기 전에 성능을 평가할 수 있습니다.
• 유연한 배포 옵션: 모델을 17가지 형식으로 내보내거나, 전 세계 43개 지역의 공유 추론 서비스 및 전용 엔드포인트를 통해 배포할 수 있습니다.
• 모니터링 기능 기본 제공: 플랫폼은 실험 결과, 시스템 성능, 배포 상태를 한곳에서 추적할 수 있는 대시보드를 제공합니다.

Ultralytics Platform으로 원시 데이터부터 배포까지#

Ultralytics Platform에 대해 알아가면서 실제로 어떻게 사용하는지 궁금할 수 있습니다. 이를 더 잘 이해할 수 있도록 간단한 예시를 살펴보겠습니다.

제조 라인에서 사용할 비전 검사 시스템을 구축한다고 가정해 보겠습니다. 목표는 제품이 생산 공정을 따라 이동하는 동안 손상되거나 결함이 있는 제품을 자동으로 식별하는 것입니다.

일반적으로 시각 데이터를 수집하는 것부터 시작합니다. Ultralytics의 새로운 컴퓨터 비전 플랫폼을 사용하면 생산 라인의 제품 이미지나 동영상을 업로드하고, 결함 탐지 모델을 학습하는 데 사용할 데이터셋으로 정리할 수 있습니다.

다음 단계는 데이터 어노테이션입니다. 플랫폼에 기본 제공되는 수동 또는 AI 기반 어노테이션 도구를 사용하면 5가지 탐지 작업에서 이미지의 결함에 직접 레이블을 지정할 수 있습니다. SAM을 활용하는 스마트 어노테이션과 한 번의 클릭으로 키포인트를 배치할 수 있는 기본 포즈 스켈레톤 템플릿 등의 혁신적인 기능은 그렇지 않으면 몇 시간이 걸릴 워크플로를 간소화합니다.

데이터셋이 준비되면 모델 학습을 진행할 수 있습니다. 플랫폼에서는 레이블이 지정된 데이터를 사용해 Ultralytics YOLO 모델과 같은 컴퓨터 비전 모델을 학습할 수 있습니다. 학습 중에는 단일 대시보드에서 성능 지표를 모니터링하고 실험을 추적하며 모델을 최적화해 시스템 성능을 개선할 수 있습니다.

학습이 끝나면 다음 단계는 테스트와 검증입니다. 플랫폼에서 새 이미지에 직접 예측을 실행해 시스템이 결함을 얼마나 잘 탐지하는지 확인하고 추가 개선이 필요한 부분을 찾을 수 있습니다.

마지막으로 시스템이 원활하게 작동하면 프로덕션에 배포할 수 있습니다. Ultralytics Platform은 모델을 여러 형식으로 내보내거나 추론 서비스 및 엔드포인트를 통해 배포할 수 있도록 지원하므로 실제 환경에서 모델을 실행할 수 있습니다.

그림 3. Ultralytics Platform을 사용한 모델 내보내기 예시 (출처)

Ultralytics Platform은 파이프라인의 각 단계를 지원하여 원시 시각 데이터에서 생산 라인의 결함을 자동으로 탐지하는 실용적인 컴퓨터 비전 애플리케이션까지 더 쉽게 이어지도록 합니다.

Ultralytics Platform으로 구축할 수 있는 비전 AI 활용 사례#

시각 데이터를 정보로 변환해 프로세스 자동화에 활용할 수 있는 대부분의 애플리케이션에서 컴퓨터 비전은 변화를 가져올 수 있습니다. 의료부터 자동차 산업까지 다양한 산업에서 마찬가지이며, Ultralytics Platform은 이러한 다재다능한 활용을 지원하도록 만들어졌습니다.

플랫폼은 Ultralytics YOLO26과 같은 최첨단 모델과 객체 탐지, 이미지 분류, 인스턴스 세그멘테이션, 포즈 추정, 방향성 바운딩 박스(OBB) 탐지를 비롯한 다양한 컴퓨터 비전 작업을 기본적으로 지원합니다. 이러한 유연성을 바탕으로 개발자는 이미지나 동영상을 분석해야 하는 다양한 상황에 맞는 애플리케이션을 구축할 수 있습니다.

예를 들어 팀은 해양 환경의 실시간 수중 모니터링, 의료 및 생물학 연구의 세포 계수, 외딴 생태계의 야생동물 추적, 자율주행차의 인식 시스템 구현, 복잡한 환경에서 로봇 안내를 위한 시스템을 만들 수 있습니다. 이는 컴퓨터 비전으로 가능한 일의 일부에 불과합니다.

그림 4. Ultralytics Platform에서 야생동물 탐지를 위해 이미지에 어노테이션하기 (출처)

Ultralytics Platform이 비전 AI의 미래인 이유#

컴퓨터 비전의 활용이 확대되면서 비전 AI 개발을 더 쉽게 이용할 수 있도록 하는 일이 점점 더 중요해지고 있습니다. 많은 개발자와 조직이 시각 데이터를 실험하고 AI 애플리케이션을 구축하고자 하지만, 기존 개발 환경은 시작하기 어렵게 만들 수 있습니다.

Ultralytics Platform은 개발자가 컴퓨터 비전 기술을 빠르게 활용할 수 있는 환경을 제공해 이러한 진입 장벽을 낮춥니다. 인프라를 설정하거나 여러 도구를 통합하는 데 시간을 쓰는 대신, 팀은 아이디어를 실험하고 실용적인 애플리케이션을 구축하는 데 집중할 수 있습니다.

이러한 접근성은 더 다양한 개발자, 연구자, 조직이 비전 AI를 탐색할 수 있는 길을 엽니다. 그 결과 더 많은 팀이 시각 데이터를 유의미한 인사이트로 전환하고 현실의 문제를 해결하는 애플리케이션을 만들 수 있습니다.

비전 AI가 여러 산업으로 계속 확산됨에 따라 Ultralytics Platform은 개발을 더 쉽게 만들고 컴퓨터 비전의 미래를 형성하는 데 중요한 역할을 할 것으로 기대합니다.

Ultralytics Platform 시작하기#

지금 개발 시작하기를 통해 Ultralytics Platform에서 컴퓨터 비전 프로젝트를 구축해 보세요. 클라우드 학습용 가입 크레딧과 데이터셋 관리, 이미지 어노테이션, 모델 학습, 애플리케이션 배포를 위한 핵심 도구 이용 권한이 포함된 무료 플랜으로 플랫폼을 살펴볼 수 있습니다.

프로젝트가 성장하면 더 많은 컴퓨팅 리소스, 스토리지, 협업 기능, 배포 용량을 제공하는 추가 플랜을 통해 사용량을 확장할 수 있습니다. 또한 플랫폼은 클라우드 학습 및 관리형 엔드포인트와 같은 서비스에 크레딧 기반 요금제를 적용하므로, 팀은 사용량을 투명하게 추적하면서 실험을 실행하고 애플리케이션을 배포할 수 있습니다.

핵심 요점#

이미지 처리 및 컴퓨터 비전 기술은 연구 실험 단계에서 일상 기술을 구동하는 실제 시스템으로 빠르게 발전하고 있습니다. Ultralytics Platform은 개발자에게 비전 AI 애플리케이션을 더 간편하게 구축하고 테스트하며 배포하는 방법을 제공해 이러한 변화를 가속화합니다. 아이디어와 배포 사이의 장벽이 낮아지면서 차세대 컴퓨터 비전 솔루션을 그 어느 때보다 빠르게 구축할 수 있습니다.

커뮤니티에 참여하고 GitHub 저장소를 살펴보며 컴퓨터 비전 모델에 대해 자세히 알아보세요. 솔루션 페이지에서 농업 분야의 AI 및 로보틱스 분야의 컴퓨터 비전과 같은 활용 사례를 확인하세요. 라이선스 옵션을 살펴보고 나만의 비전 AI 모델 구축을 시작해 보세요.