Ultralytics YOLO11이 출시되었습니다! AI의 가능성을 새롭게 정의하세요!

차세대 Ultralytics 모델인 YOLO11을 소개하게 되어 기쁩니다! 이전 YOLO 모델 버전의 뛰어난 발전을 바탕으로, YOLO11은 더욱 빠르고 정확하며 활용도가 뛰어난 모델을 만드는 강력한 기능과 최적화를 다양하게 제공합니다. AI 전문가, 혁신가, 개발자가 한자리에 모이는 Ultralytics의 연례 하이브리드 행사인 YOLO Vision 2024(YV24) 행사에서 발표된 이 모델은 이후 Ultralytics YOLO26으로 대체되었으며, 컴퓨터 비전의 가능성을 새롭게 정의할 것입니다.

혁신적인 아키텍처를 갖춘 Ultralytics YOLO11은 실시간 객체 탐지부터 분류까지 다양한 컴퓨터 비전 작업에 사용할 수 있어 개발자와 연구자 모두에게 실용적인 선택입니다. 주요 개선 사항으로는 더 정밀하게 세부 정보를 포착하는 향상된 특징 추출, 더 적은 파라미터로 달성한 높은 정확도, 실시간 성능을 크게 개선하는 더 빠른 처리 속도가 있습니다. 이 글에서는 YOLO11을 돋보이게 하는 기능과 컴퓨터 비전 애플리케이션을 혁신할 수 있는 방법을 자세히 살펴보겠습니다.

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

Ultralytics YOLO11 알아보기#

YOLO11은 YOLO 제품군의 새로운 장을 열며, 컴퓨터 비전의 수준을 한층 끌어올리는 더욱 강력하고 다재다능한 모델을 제공합니다. 개선된 아키텍처와 향상된 기능을 갖춘 이 모델은 컴퓨터 비전 작업 중 자세 추정과 인스턴스 세그멘테이션을 지원합니다. 이러한 기능은 비전 AI 커뮤니티가 Ultralytics YOLOv8에서 높이 평가해 온 기능이며, 성능과 정밀도는 더욱 향상되었습니다. Ultralytics의 창립자 겸 CEO인 Glenn Jocher는 “YOLO11을 개발하면서 실제 애플리케이션에 필요한 강력함과 실용성을 모두 제공하는 모델을 만들고자 했습니다. 효율성과 정확도가 개선되어 다양한 산업이 직면한 고유한 과제에 맞게 조정할 수 있는 견고한 도구가 되었습니다. 비전 AI 커뮤니티가 YOLO11을 활용해 혁신적인 솔루션을 만들고 컴퓨터 비전을 한 단계 발전시킬 모습을 기대하고 있습니다.”라고 말했습니다.

그림 2. YV24에서 Ultralytics YOLO11을 발표하는 Glenn Jocher의 무대 모습입니다.

Ultralytics YOLO11이 지원하는 컴퓨터 비전 작업을 살펴보겠습니다.

• 객체 탐지: 이미지나 동영상 프레임에서 객체를 식별하고 위치를 찾은 다음, 객체 주위에 바운딩 박스를 그립니다. 감시, 자율 주행, 소매 분석 등의 애플리케이션에 활용됩니다.
• 인스턴스 세그멘테이션: 이미지 내 개별 객체를 픽셀 단위로 식별하고 분리하는 작업입니다. 의료 영상 분석 및 제조 결함 탐지와 같은 애플리케이션에 유용합니다.
• 이미지 분류: 이미지 전체를 사전 정의된 클래스로 분류하므로 전자상거래의 제품 분류나 야생동물 모니터링과 같은 애플리케이션에 적합합니다.
• 자세 추정: 이미지나 동영상 프레임에서 특정 키포인트를 탐지해 움직임이나 자세를 추적하며, 피트니스 추적, 스포츠 분석, 의료 애플리케이션에 유용합니다.
• 방향성 객체 탐지(OBB): 방향 각도가 있는 객체를 탐지하여 회전된 객체의 위치를 더욱 정밀하게 파악합니다. 항공 이미지 분석, 로보틱스, 창고 자동화 작업에서 특히 유용합니다.
• 객체 추적: 객체의 움직임을 모니터링하고 추적하며, 연속된 동영상 프레임에서 객체를 추적하므로 다양한 실시간 애플리케이션에 필수적입니다.

그림 3. Ultralytics YOLO11이 지원하는 컴퓨터 비전 작업.

Ultralytics YOLO11의 차별점은 무엇일까요?#

YOLO11은 올해 초 YOLOv9과 YOLOv10이 선보인 발전을 바탕으로 개선된 아키텍처 설계, 향상된 특징 추출 기법, 최적화된 학습 방법을 적용했습니다. YOLO11의 가장 큰 강점은 속도, 정확도, 효율성을 인상적으로 조합했다는 점이며, 지금까지 Ultralytics가 만든 모델 중 가장 뛰어난 모델 중 하나입니다. 개선된 설계를 통해 YOLO11은 이미지에서 중요한 패턴과 세부 사항을 식별하는 과정인 특징 추출 성능을 높여 까다로운 상황에서도 복잡한 요소를 더욱 정확하게 포착합니다.

놀랍게도 YOLO11m은 COCO 데이터셋에서 평균 정밀도(mAP) 점수가 더 높으면서도 YOLOv8m보다 파라미터 수가 22% 적어 성능 저하 없이 계산 부담을 줄였습니다. 즉, 실행 효율이 더 높으면서도 더 정확한 결과를 제공합니다. 또한 YOLO11은 더 빠른 처리 속도를 제공하며 추론 시간이 YOLOv10보다 약 2% 짧아 실시간 애플리케이션에 적합합니다.

그림 4. 객체 탐지에 Ultralytics YOLO11 사용하기.

복잡한 작업을 처리하면서도 리소스 부담을 줄이도록 설계되었으며, 대규모 모델의 성능을 개선하므로 까다로운 AI 프로젝트에 적합합니다. 증강 파이프라인이 개선되어 학습 과정도 향상되었으며, 소규모 프로젝트부터 대규모 애플리케이션까지 다양한 작업에 Ultralytics YOLO11을 더욱 쉽게 적용할 수 있습니다.

실제로 YOLO11은 처리 성능 면에서 효율이 매우 높으며 클라우드와 엣지 디바이스 모두에 배포하기 적합해 다양한 환경에서 유연하게 사용할 수 있습니다. 간단히 말해 YOLO11은 단순한 업그레이드가 아니라, 정확도와 효율성, 유연성이 크게 향상되어 다양한 컴퓨터 비전 문제를 더 잘 처리하는 모델입니다. 자율 주행, 감시, 의료 영상, 스마트 소매, 산업용 애플리케이션 등 거의 모든 컴퓨터 비전 분야에 활용할 수 있을 만큼 다재다능합니다.

Ultralytics YOLO11은 다양한 시스템과 플랫폼에서 사용할 수 있습니다.#

Ultralytics YOLO11은 이미 사용 중인 시스템 및 플랫폼과 통합할 수 있도록 설계되었습니다. YOLOv8이 제공하던 지원을 기반으로 YOLO11은 학습, 테스트, 배포를 위한 다양한 환경과 호환됩니다. NVIDIA GPU를 사용하거나 엣지 디바이스에서 작업하거나 클라우드 플랫폼에 배포하는 경우에도 YOLO11은 워크플로에 맞게 최적화되어 있습니다.

이러한 통합 기능은 YOLO11이 여러 산업에 적응하도록 돕는 유용한 추가 요소이며, 기업은 기존 프로세스에 모델을 쉽게 적용할 수 있습니다. 예를 들어 작물 모니터링을 위해 YOLO11을 농업에 활용한다고 가정해 보겠습니다. 넓은 농경지에서 식물 건강 문제를 실시간으로 식별하도록 드론에 모델을 배포해야 할 수 있습니다. 반면 보안 분야에서는 여러 카메라 피드를 모니터링해 객체를 탐지하도록 YOLO11을 클라우드 기반 시스템과 함께 사용하는 것이 더 적합할 수 있습니다.

그림 5. 농업 분야에서 Ultralytics YOLO11 사용하기.

Ultralytics YOLO11로 AI 커뮤니티 역량 강화#

YOLO11 출시와 함께 비전 AI 커뮤니티는 흥미로운 발전을 기대할 수 있습니다. 정확도와 효율성이 향상된 이 새로운 모델은 기존 애플리케이션을 혁신하고 새로운 애플리케이션을 만드는 잠재력을 갖추고 있습니다. 이러한 발전의 주요 요인 중 하나는 Ultralytics HUB이며, 이후 Ultralytics Platform이 이를 대체했습니다. Ultralytics HUB는 YOLO11을 포함한 YOLO 모델의 학습과 배포를 간소화하는 사용자 친화적인 플랫폼입니다.

그림 6. Ultralytics HUB에서 YOLO11 추론 실행.

Ultralytics HUB는 사용자가 데이터셋을 업로드하고 다양한 사전 학습 모델에 액세스하며 프로젝트를 한곳에서 관리할 수 있도록 하여 개발 프로세스를 간소화합니다. 또한 HUB는 협업을 지원하므로 팀이 AI 프로젝트를 쉽게 함께 진행할 수 있습니다. Ultralytics HUB의 주요 기능은 다음과 같습니다.

• 클라우드 학습: Ultralytics HUB는 확장성과 효율성을 높이기 위해 클라우드 기반 모델 학습을 제공합니다.
• 사전 학습 모델: 플랫폼에서 다양한 사전 학습 YOLOv5, YOLOv8, YOLO11 모델을 사용할 수 있습니다.
• 모델 내보내기: 학습된 모델을 다양한 형식으로 내보내 배포할 수 있습니다.
• 통합: Ultralytics HUB는 Roboflow, Google Colab, Weights & Biases와 같은 플랫폼과 통합됩니다.
• 상세 문서: Ultralytics HUB는 사용자 지원을 위한 포괄적인 가이드와 FAQ를 제공합니다.
• 커뮤니티 지원: 질문과 토론을 위한 활발한 Discord 커뮤니티를 이용할 수 있습니다.

HUB의 직관적인 디자인 덕분에 숙련된 개발자와 초보자 모두 빠르게 시작할 수 있습니다. 더 많은 개발자가 HUB를 통해 Ultralytics YOLO11을 사용함에 따라, 고성능 컴퓨터 비전 애플리케이션이 더 많이 만들어지기를 기대합니다.

Ultralytics YOLO11을 직접 사용해 보세요#

YOLOv8과 마찬가지로 YOLO11도 Ultralytics Platform과 Ultralytics Python 패키지를 통해 사용해 볼 수 있습니다. Ultralytics Platform에 로그인하거나 빠른 시작 가이드를 참고해 패키지 설치 방법을 단계별로 확인할 수 있습니다. 기능을 살펴보고 다양한 데이터셋을 실험하며 여러 시나리오에서 YOLO11의 성능을 확인할 수 있습니다. AI 커뮤니티가 개발에 기여하고 피드백을 제공하거나 이를 기반으로 새로운 것을 만들어 YOLO11을 활용하게 될 날을 기대합니다.

기존 프로젝트를 최적화하려는 개발자든 새로운 애플리케이션을 만들고 싶은 분이든, 여러분의 참여가 혁신을 이끄는 데 도움이 될 수 있습니다. 토론에 참여하고 경험을 공유하며 다른 사람들과 협업해 Ultralytics YOLO11의 잠재력을 최대한 활용해 보세요. 여러분이 YOLO11으로 실제 문제를 해결하고 창의적인 아이디어를 실현하는 모습을 기대합니다!

Ultralytics YOLO11과 함께 새로운 장이 시작됩니다#

Ultralytics YOLO11은 인상적인 정확도, 속도, 효율성을 결합한 컴퓨터 비전의 다음 단계입니다. YV24에서 공개된 YOLO11은 자율 주행 차량부터 스마트 소매 솔루션까지 다양한 실시간 애플리케이션에 활용할 수 있는 고급 기능을 갖추고 있습니다. AI 커뮤니티가 이 모델을 탐색하고 활용하기 시작하면서, YOLO11이 혁신을 이끌고 새로운 가능성을 실현할 창의적인 활용법을 기대합니다. 최신 AI 발전을 알아보고 싶다면 YOLO11을 사용해 컴퓨터 비전 프로젝트를 어떻게 발전시킬 수 있는지 확인해 보세요!

AI에 대해 더 알고 싶다면 GitHub 저장소를 방문하고 활발한 커뮤니티에 참여해 보세요. 의료와 농업 등의 분야에서 AI가 어떻게 발전을 이끌고 있는지 알아보세요.