Ultralytics YOLO11이 출시되었습니다! AI의 가능성을 재정의하세요!

Ultralytics 모델의 차세대 진화인 YOLO11을 소개하게 되어 매우 기쁩니다! 이전 YOLO 모델 버전의 인상적인 발전을 기반으로 하는 YOLO11은 더 빠르고, 더 정확하며, 놀랍도록 다재다능하게 만드는 강력한 기능과 최적화된 요소들을 대거 도입했습니다. AI 전문가, 혁신가 및 개발자들이 모이는 Ultralytics의 연례 하이브리드 행사인 YOLO Vision 2024 (YV24) 이벤트에서 발표된 이 최신 제품은 Ultralytics 제품군에 추가되어 컴퓨터 비전의 가능성을 재정의할 준비를 마쳤습니다.

혁신적인 아키텍처를 갖춘 YOLO11은 실시간 객체 탐지부터 분류에 이르기까지 다양한 컴퓨터 비전 작업에 사용할 수 있어 개발자와 연구자 모두에게 획기적인 변화를 가져올 것입니다. 주요 개선 사항으로는 더 정밀한 세부 정보 캡처를 위한 향상된 특징 추출, 더 적은 파라미터로 더 높은 정확도 달성, 실시간 성능을 크게 향상시키는 더 빠른 처리 속도가 포함됩니다. 이 기사에서는 YOLO11을 돋보이게 하는 기능과 이 모델이 어떻게 귀하의 컴퓨터 비전 애플리케이션을 변화시킬 수 있는지 자세히 살펴보겠습니다. 바로 시작해 보겠습니다!

그림 1. YOLO Vision 24 무대에서 YOLO11을 발표하는 Glenn Jocher.

Link to this sectionYOLO11 알아보기#

YOLO11 marks a new chapter for the YOLO family, offering a more capable and versatile model that takes computer vision to new heights. With its refined architecture and enhanced capabilities, the model supports computer vision tasks like pose estimation and instance segmentation that the vision AI community has come to love about Ultralytics YOLOv8, but with even greater performance and precision. Glenn Jocher, Founder and CEO of Ultralytics, shared, “With YOLO11, we set out to develop a model that offers both power and practicality for real-world applications. Its improved efficiency and accuracy make it a robust tool that can be adapted to the unique challenges faced by various industries. I can’t wait to see how the Vision AI community uses YOLO11 to create innovative solutions and take computer vision to the next level.”

그림 2. YV24 무대에서 YOLO11을 발표하는 Glenn Jocher.

YOLO11이 지원하는 컴퓨터 비전 작업은 다음과 같습니다.

• 객체 탐지: 이미지나 비디오 프레임 내의 객체를 식별하고 위치를 파악하며, 감시, 자율 주행, 소매 분석과 같은 애플리케이션을 위해 객체 주위에 바운딩 박스를 그립니다.
• 인스턴스 분할: 이미지 내의 개별 객체를 픽셀 단위까지 식별하고 분리하는 작업입니다. 의료 영상 및 제조 분야의 결함 탐지 애플리케이션에 유용합니다.
• 이미지 분류: 전체 이미지를 사전 정의된 클래스로 범주화하며, 전자 상거래의 제품 범주화나 야생 동물 모니터링과 같은 애플리케이션에 이상적입니다.
• 포즈 추정: 이미지나 비디오 프레임 내의 특정 키포인트를 탐지하여 움직임이나 자세를 추적하며, 피트니스 추적, 스포츠 분석, 의료 애플리케이션에 유익합니다.
• 지향 객체 탐지 (OBB): 방향 각도를 가진 객체를 탐지하여 회전된 객체의 위치를 더 정확하게 파악할 수 있으며, 특히 항공 이미지, 로봇 공학, 창고 자동화 작업에 매우 유용합니다.
• 객체 추적: 연속된 비디오 프레임 전체에서 객체의 움직임을 모니터링하고 추적하며, 많은 실시간 애플리케이션에 필수적입니다.

그림 3. YOLO11이 지원하는 컴퓨터 비전 작업.

Link to this sectionYOLO11의 차별점은 무엇입니까?#

YOLO11은 올해 초 발표된 YOLOv9 및 YOLOv10의 발전을 기반으로 하여 향상된 아키텍처 설계, 강화된 특징 추출 기술 및 최적화된 학습 방법을 통합했습니다. YOLO11을 진정으로 돋보이게 하는 것은 속도, 정확도 및 효율성의 인상적인 조합으로, Ultralytics가 지금까지 만든 가장 유능한 모델 중 하나가 되었습니다. 향상된 설계 덕분에 YOLO11은 이미지에서 중요한 패턴과 세부 정보를 식별하는 프로세스인 특징 추출 기능이 개선되어 까다로운 상황에서도 복잡한 요소를 더 정확하게 포착할 수 있습니다.

Remarkably, YOLO11m achieves a higher mean Average Precision (mAP) score on the COCO dataset while using 22% fewer parameters than YOLOv8m, making it computationally lighter without sacrificing performance. This means it delivers more accurate results while being more efficient to run. On top of that, YOLO11 brings faster processing speeds, with inference times around 2% quicker than YOLOv10, making it ideal for real-time applications.

그림 4. 객체 탐지를 위한 YOLO11 사용.

이 모델은 복잡한 작업을 처리하면서 리소스 부담은 줄이고 대규모 모델의 성능을 향상하도록 설계되어 까다로운 AI 프로젝트에 매우 적합합니다. 증강 파이프라인의 개선 사항으로 학습 프로세스가 향상되어 소규모 프로젝트든 대규모 애플리케이션이든 상관없이 YOLO11이 다양한 작업에 더 쉽게 적응할 수 있게 되었습니다.

사실, YOLO11은 처리 능력 측면에서 매우 효율적이며 클라우드와 엣지 장치 모두에서의 배포에 완벽하게 적합하여 다양한 환경에서 유연성을 보장합니다. 간단히 말해, YOLO11은 단순한 업그레이드가 아니라 모든 컴퓨터 비전 과제를 처리할 수 있는 훨씬 더 정확하고 효율적이며 유연한 모델입니다. 자율 주행, 감시, 의료 영상, 스마트 리테일 또는 산업용 사례 등 거의 모든 컴퓨터 비전 애플리케이션을 지원할 만큼 다재다능합니다.

Link to this sectionYOLO11은 귀하의 시스템과 플랫폼에 바로 적용할 수 있습니다#

YOLO11은 이미 사용 중인 시스템 및 플랫폼과 원활하게 통합되도록 설계되었습니다. YOLOv8에서 제공되는 지원을 기반으로 하는 YOLO11은 학습, 테스트 및 배포를 위한 다양한 환경과 호환됩니다. NVIDIA GPU, 엣지 장치 또는 클라우드 플랫폼 배포 작업 중 무엇을 수행하든, YOLO11은 귀하의 워크플로우에 쉽게 맞도록 최적화되어 있습니다.

이러한 통합 기능은 YOLO11을 다양한 산업에 맞게 조정할 수 있게 해주는 훌륭한 추가 기능이며, 기업이 기존 프로세스에 모델을 쉽게 구현할 수 있도록 돕습니다. 예를 들어, 농업, 특히 작물 모니터링을 위해 YOLO11을 사용하려 한다고 가정해 보겠습니다. 넓은 들판에 걸쳐 실시간으로 작물 건강 문제를 식별하기 위해 드론에 모델을 배포해야 할 수 있습니다. 하지만 보안 분야에 종사한다면 객체 탐지를 위해 여러 카메라 피드를 모니터링하는 클라우드 기반 시스템과 함께 YOLO11을 사용하는 것을 선호할 수도 있습니다.

그림 5. 농업에서의 YOLO11 사용.

Link to this sectionYOLO11로 AI 커뮤니티 강화하기#

비전 AI 커뮤니티는 YOLO11의 출시와 함께 흥미로운 발전을 기대할 수 있습니다. 향상된 정확도와 효율성 덕분에 이 새로운 모델은 기존 애플리케이션을 변혁하고 새로운 애플리케이션을 창출할 잠재력을 가지고 있습니다. 이러한 발전에 중요한 요소는 Ultralytics HUB입니다. Ultralytics HUB는 YOLO11을 포함한 YOLO 모델의 학습 및 배포를 간소화하는 사용자 친화적인 플랫폼입니다.

그림 6. Ultralytics HUB에서 YOLO11 추론 실행.

Ultralytics HUB는 사용자가 데이터셋을 업로드하고, 다양한 사전 학습 모델에 액세스하며, 모든 프로젝트를 한곳에서 관리할 수 있게 하여 개발 프로세스를 간소화합니다. 또한 HUB는 협업을 지원하여 팀이 AI 프로젝트에서 쉽게 함께 작업할 수 있도록 합니다. Ultralytics HUB의 주요 기능은 다음과 같습니다.

• 클라우드 학습: Ultralytics HUB는 확장성과 효율성을 위해 원활한 클라우드 기반 모델 학습을 제공합니다.
• 사전 학습 모델: 이 플랫폼은 다양한 사전 학습 YOLOv5, YOLOv8 및 YOLO11 모델에 대한 액세스를 제공합니다.
• 모델 내보내기: 학습된 모델은 배포를 위해 다양한 형식으로 내보낼 수 있습니다.
• 통합: Ultralytics HUB는 Roboflow, Google Colab 및 Weights & Biases와 같은 플랫폼과 원활하게 통합됩니다.
• 상세 문서: Ultralytics HUB는 사용자 지원을 위한 포괄적인 가이드와 FAQ를 제공합니다.
• 커뮤니티 지원: 질문과 토론을 위해 활발한 Discord 커뮤니티가 운영되고 있습니다.

HUB의 직관적인 디자인 덕분에 숙련된 개발자와 초보자 모두 빠르게 시작할 수 있습니다. 더 많은 개발자가 HUB를 통해 YOLO11을 사용하게 됨에 따라 컴퓨터 비전의 한계를 뛰어넘고 AI 기술의 미래를 형성하는 고성능 애플리케이션의 급증을 기대할 수 있습니다.

Link to this sectionYOLO11 실습하기#

YOLOv8과 마찬가지로 YOLO11도 곧 Ultralytics HUB와 Ultralytics Python 패키지를 통해 사용해 볼 수 있습니다. Ultralytics HUB에 로그인하거나 퀵스타트 가이드에서 패키지 설치 방법에 대한 단계별 지침을 확인할 수 있습니다. 출시되면 기능을 탐색하고, 다양한 데이터셋으로 실험하며, YOLO11이 다양한 시나리오에서 어떻게 작동하는지 확인할 수 있습니다. AI 커뮤니티가 기여를 통해 YOLO11 개발에 참여하고, 피드백을 제공하거나 이를 기반으로 구축하는 모습을 기대하고 있습니다.

기존 프로젝트를 최적화하려는 개발자든 새로운 애플리케이션을 만드는 데 관심이 있는 사람이든, 귀하의 참여가 혁신을 이끄는 데 도움이 될 수 있습니다. 토론에 참여하고, 경험을 공유하며, 다른 사람들과 협력하여 YOLO11의 잠재력을 최대한 발휘하십시오. 귀하가 YOLO11을 사용하여 실제 문제를 해결하고 창의적인 아이디어를 현실로 만드는 모습을 보게 되어 매우 기대됩니다!

Link to this sectionYOLO11과 함께 새로운 장이 시작됩니다#

YOLO11은 인상적인 정확도, 속도 및 효율성을 결합하여 컴퓨터 비전의 다음 단계를 제시합니다. YV24에서 발표된 이 모델의 고급 기능은 자율 주행 차량부터 스마트 리테일 솔루션까지 다양한 실시간 애플리케이션에 적합합니다. AI 커뮤니티가 이 모델을 탐색하고 사용하기 시작함에 따라, YOLO11이 어떻게 혁신을 주도하고 새로운 가능성을 실현할지 기대가 큽니다. AI의 최신 발전을 탐색하고자 하신다면 YOLO11을 사용해 보시고 귀하의 컴퓨터 비전 프로젝트를 한 단계 더 높여 보십시오!

AI에 대해 자세히 알아보려면 GitHub 저장소를 방문하고 당사의 활발한 커뮤니티에 참여하십시오. AI가 의료 및 농업 분야에서 어떻게 발전을 거듭하고 있는지 알아보십시오.