Ultralytics YOLO11이 출시되었습니다! AI의 가능성을 새롭게 정의합니다!

차세대 Ultralytics 모델인 YOLO11을 소개하게 되어 매우 기쁩니다! 이전 YOLO 모델 버전의 인상적인 발전을 기반으로 구축된 YOLO11은 더욱 빠르고 정확하며 놀라울 정도로 다재다능하게 만들어 주는 강력한 기능과 최적화를 제공합니다. AI 전문가, 혁신가, 개발자가 모이는 Ultralytics의 연례 하이브리드 행사인 YOLO Vision 2024(YV24) 이벤트에서 발표된 이 최신 Ultralytics 제품군은 컴퓨터 비전의 가능성을 새롭게 정의할 준비를 마쳤습니다.

혁신적인 아키텍처를 갖춘 Ultralytics YOLO11은 실시간 객체 감지부터 분류까지 다양한 컴퓨터 비전 작업에 사용할 수 있어 개발자와 연구자 모두에게 획기적인 모델입니다. 주요 개선 사항으로는 더욱 정밀한 세부 정보 추출을 위한 향상된 특징 추출, 더 적은 파라미터로 달성한 높은 정확도, 실시간 성능을 크게 향상하는 더욱 빠른 처리 속도가 있습니다. 이 글에서는 YOLO11을 돋보이게 하는 기능과 컴퓨터 비전 애플리케이션을 어떻게 혁신할 수 있는지 자세히 살펴보겠습니다. 시작해 보겠습니다!

그림 1. YOLO Vision 24에서 Ultralytics YOLO11을 발표하는 무대 위의 Glenn Jocher입니다.

Ultralytics YOLO11 알아보기#

YOLO11은 YOLO 제품군의 새로운 장을 열며, 더욱 뛰어난 성능과 다재다능함을 갖춘 모델로 컴퓨터 비전을 새로운 수준으로 끌어올립니다. 정교해진 아키텍처와 향상된 기능을 갖춘 이 모델은 Ultralytics YOLOv8의 장점으로 비전 AI 커뮤니티에서 사랑받아 온 자세 추정 및 인스턴스 분할과 같은 컴퓨터 비전 작업을 지원하면서도 더욱 뛰어난 성능과 정밀도를 제공합니다. Ultralytics의 창립자이자 CEO인 Glenn Jocher는 다음과 같이 말했습니다. “YOLO11을 개발하면서 실제 애플리케이션에 강력함과 실용성을 모두 제공하는 모델을 만들고자 했습니다. 향상된 효율성과 정확도를 갖춘 YOLO11은 다양한 산업이 직면한 고유한 과제에 맞게 조정할 수 있는 강력한 도구입니다. 비전 AI 커뮤니티가 YOLO11을 활용해 혁신적인 솔루션을 만들고 컴퓨터 비전을 한 단계 발전시키는 모습을 하루빨리 보고 싶습니다.”

그림 2. YV24에서 Ultralytics YOLO11을 발표하는 무대 위의 Glenn Jocher입니다.

Ultralytics YOLO11이 지원하는 컴퓨터 비전 작업을 간략히 살펴보겠습니다.

• 객체 감지: 이미지 또는 비디오 프레임 내의 객체를 식별하고 위치를 찾은 다음, 객체 주위에 바운딩 박스를 그립니다. 감시, 자율 주행, 리테일 분석과 같은 애플리케이션에 활용됩니다.
• 인스턴스 분할: 이미지 내의 개별 객체를 식별하고 픽셀 수준으로 분리하는 작업입니다. 의료 영상 및 제조의 결함 감지와 같은 애플리케이션에 유용합니다.
• 이미지 분류: 전체 이미지를 사전 정의된 클래스로 분류하는 작업으로, 전자상거래의 제품 분류나 야생동물 모니터링과 같은 애플리케이션에 적합합니다.
• 자세 추정: 이미지 또는 비디오 프레임 내의 특정 키포인트를 감지하여 움직임이나 자세를 추적합니다. 피트니스 추적, 스포츠 분석, 헬스케어 애플리케이션에 유용합니다.
• 방향성 객체 감지(OBB): 방향 각도가 있는 객체를 감지하여 회전된 객체의 위치를 더욱 정밀하게 파악할 수 있습니다. 항공 이미지, 로보틱스, 창고 자동화 작업에 특히 유용합니다.
• 객체 추적: 연속된 비디오 프레임에서 객체의 움직임을 모니터링하고 추적하므로 다양한 실시간 애플리케이션에 필수적입니다.

그림 3. Ultralytics YOLO11이 지원하는 컴퓨터 비전 작업입니다.

Ultralytics YOLO11을 돋보이게 하는 요소는 무엇일까요?#

YOLO11은 올해 초 YOLOv9과 YOLOv10에서 도입된 발전을 기반으로 구축되었으며, 개선된 아키텍처 설계, 향상된 특징 추출 기법, 최적화된 학습 방법을 통합합니다. YOLO11을 진정으로 돋보이게 하는 요소는 속도, 정확도, 효율성이 인상적으로 결합되었다는 점이며, 이로써 지금까지 Ultralytics가 만든 모델 중 가장 뛰어난 모델 중 하나가 되었습니다. YOLO11은 개선된 설계를 통해 더욱 향상된 특징 추출을 제공합니다. 특징 추출은 이미지에서 중요한 패턴과 세부 정보를 식별하는 과정으로, 까다로운 상황에서도 복잡한 요소를 더욱 정확하게 포착할 수 있도록 합니다.

놀랍게도 YOLO11m은 YOLOv8m보다 파라미터를 22% 적게 사용하면서도 COCO 데이터셋에서 더 높은 평균 정밀도 점수(mAP)를 달성하여 성능 저하 없이 계산 부담을 줄였습니다. 즉, 실행 효율은 더욱 높아지면서 더 정확한 결과를 제공합니다. 또한 YOLO11은 더 빠른 처리 속도를 제공하며, 추론 시간이 YOLOv10보다 약 2% 빨라 실시간 애플리케이션에 적합합니다.

그림 4. 객체 감지에 Ultralytics YOLO11 사용하기입니다.

YOLO11은 복잡한 작업을 처리하면서도 리소스 사용량을 줄이고 대규모 모델의 성능을 향상하도록 설계되어 까다로운 AI 프로젝트에 적합합니다. 증강 파이프라인도 개선되어 학습 과정이 향상되었으며, 소규모 프로젝트부터 대규모 애플리케이션까지 다양한 작업에 Ultralytics YOLO11을 더욱 쉽게 적용할 수 있습니다.

실제로 YOLO11은 처리 능력 측면에서 매우 효율적이며 클라우드와 엣지 디바이스 모두에 배포하기에 적합하므로 다양한 환경에서 유연하게 사용할 수 있습니다. 간단히 말해 YOLO11은 단순한 업그레이드가 아니라, 컴퓨터 비전 과제를 더욱 정확하고 효율적이며 유연하게 처리할 수 있는 모델입니다. 자율 주행, 감시, 헬스케어 영상, 스마트 리테일, 산업용 사용 사례 등 거의 모든 컴퓨터 비전 애플리케이션에 활용할 수 있을 만큼 다재다능합니다.

Ultralytics YOLO11은 시스템과 플랫폼에 바로 사용할 수 있습니다#

Ultralytics YOLO11은 현재 사용 중인 시스템 및 플랫폼과 원활하게 통합되도록 설계되었습니다. YOLOv8이 제공해 온 지원을 기반으로 구축된 YOLO11은 학습, 테스트, 배포를 위한 다양한 환경과 호환됩니다. NVIDIA GPU, 엣지 디바이스, 클라우드 플랫폼에 배포하는 환경 모두에서 YOLO11은 워크플로에 손쉽게 통합되도록 최적화되어 있습니다.

이러한 통합 기능은 YOLO11을 다양한 산업에 적용할 수 있도록 해 주는 유용한 추가 기능으로, 기업이 기존 프로세스에 모델을 쉽게 도입하도록 지원합니다. 예를 들어 농업, 특히 작물 모니터링에 YOLO11을 사용한다고 가정해 보겠습니다. 넓은 밭에서 식물의 건강 문제를 실시간으로 식별하려면 드론에 모델을 배포해야 할 수 있습니다. 반면 보안 분야에서는 클라우드 기반 시스템과 YOLO11을 함께 사용하여 여러 카메라 피드에서 객체 감지를 수행하는 방식을 선호할 수 있습니다.

그림 5. 농업에 Ultralytics YOLO11 사용하기입니다.

Ultralytics YOLO11로 AI 커뮤니티 역량 강화#

비전 AI 커뮤니티는 YOLO11 출시와 함께 흥미로운 발전을 기대할 수 있습니다. 향상된 정확도와 효율성을 갖춘 이 새로운 모델은 기존 애플리케이션을 혁신하고 새로운 애플리케이션을 창출할 잠재력을 지니고 있습니다. 이러한 발전을 이끄는 주요 요소 중 하나는 Ultralytics HUB입니다. Ultralytics HUB는 YOLO11을 비롯한 YOLO 모델의 학습과 배포를 간소화하는 사용자 친화적인 플랫폼입니다.

그림 6. Ultralytics HUB에서 YOLO11 추론 실행하기입니다.

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

• 클라우드 학습: Ultralytics HUB는 확장성과 효율성을 위해 원활한 클라우드 기반 모델 학습을 제공합니다.
• 사전 학습 모델: 이 플랫폼에서는 다양한 사전 학습 YOLOv5, YOLOv8, YOLO11 모델에 액세스할 수 있습니다.
• 모델 내보내기: 학습된 모델을 배포를 위해 다양한 형식으로 내보낼 수 있습니다.
• 통합: Ultralytics HUB는 Roboflow, Google Colab, Weights & Biases와 같은 플랫폼과 원활하게 통합됩니다.
• 상세 문서: Ultralytics HUB는 사용자를 지원하기 위한 종합 가이드와 FAQ를 제공합니다.
• 커뮤니티 지원: 질문과 토론을 위한 활발한 Discord 커뮤니티를 이용할 수 있습니다.

HUB의 직관적인 설계 덕분에 숙련된 개발자와 초보자 모두 빠르게 시작할 수 있습니다. 더 많은 개발자가 HUB를 통해 Ultralytics YOLO11을 사용함에 따라 컴퓨터 비전의 한계를 넓히고 AI 기술의 미래를 만들어 가는 고성능 애플리케이션이 크게 증가할 것으로 기대됩니다.

Ultralytics YOLO11 직접 사용해 보기#

YOLOv8과 마찬가지로 YOLO11도 곧 Ultralytics HUB와 Ultralytics Python 패키지를 통해 사용해 볼 수 있습니다. Ultralytics HUB에 로그인하거나 빠른 시작 가이드를 확인하여 패키지 설치 방법을 단계별로 알아보세요. 출시 후에는 다양한 기능을 살펴보고, 여러 데이터셋을 사용해 실험하며, 다양한 시나리오에서 YOLO11의 성능을 확인할 수 있습니다. AI 커뮤니티가 YOLO11의 개발에 기여하고 피드백을 제공하거나 이를 기반으로 새로운 결과물을 만드는 모습을 하루빨리 보고 싶습니다.

기존 프로젝트를 최적화하려는 개발자든 새로운 애플리케이션 제작에 관심이 있는 사용자든, 여러분의 참여는 혁신을 이끄는 데 도움이 될 수 있습니다. 토론에 참여하고 경험을 공유하며 다른 사람들과 협업하여 Ultralytics YOLO11의 잠재력을 최대한 활용해 보세요. 여러분이 YOLO11을 어떻게 활용해 실제 문제를 해결하고 창의적인 아이디어를 현실로 구현할지 기대됩니다!

Ultralytics YOLO11과 함께 새로운 장이 시작됩니다#

Ultralytics YOLO11은 인상적인 정확도, 속도, 효율성을 결합한 컴퓨터 비전의 다음 단계입니다. YV24에서 발표된 YOLO11은 자율 주행 차량부터 스마트 리테일 솔루션까지 다양한 실시간 애플리케이션에 활용할 수 있는 고급 기능을 제공합니다. AI 커뮤니티가 이 모델을 탐색하고 사용하기 시작하면서 YOLO11이 혁신을 이끌고 새로운 가능성을 현실로 구현하는 창의적인 방법을 기대하고 있습니다. AI의 최신 발전을 살펴보고 싶다면 YOLO11을 사용해 보고 컴퓨터 비전 프로젝트를 어떻게 한 단계 발전시킬 수 있는지 확인해 보세요!

AI에 대해 자세히 알아보려면 GitHub 리포지토리를 방문하고 활발한 커뮤니티에 참여해 보세요. 헬스케어와 농업 등의 분야에서 AI가 어떻게 발전하고 있는지 알아보세요.