1주년을 맞은 Ultralytics YOLOv8: 돌파구와 혁신의 한 해

2024년 1월 10일 오늘, Ultralytics YOLOv8 출시 1주년을 맞이하여 함께 축하하고자 합니다! 지난 한 해는 수많은 이정표를 세우고 가능성의 경계를 확장해 온 흥미진진한 시간이었습니다. 2023년의 하이라이트와 2024년에 예정된 소식을 함께 살펴보시죠.

Link to this section2023년 YOLOv8의 영향력 되돌아보기#

그림 1. 2023년 학습된 1,900만 개의 YOLOv8 모델

YOLOv8은 열정적인 컴퓨터 비전 애호가들과 커뮤니티 전반으로부터 따뜻한 환영을 받았습니다. 지난 한 해 동안 Ultralytics 패키지는 2,000만 회 이상 다운로드되었으며, 12월 한 달 동안에만 400만 회라는 기록적인 다운로드를 달성했습니다. Ultralytics의 설립자이자 CEO인 Glenn Jocher는 YOLOv8에 대한 관심이 계속해서 증가하고 있으며, 매일 매초 1,000건 이상의 추론 작업이 시작되고 있다는 소식을 전하게 되어 기쁘게 생각합니다!

YOLOv8은 흥미와 호기심을 불러일으키는 것을 넘어 실제적인 산업 현장에서도 강력한 영향력을 입증했습니다. 올해 500만 명의 사용자와 150억 건의 이벤트가 다양한 산업 및 분야에서 YOLOv8의 혜택을 받았습니다. 감시 시스템 개선부터 의료, 농업, 제조 분야의 혁신적인 발전에 이르기까지, YOLOv8은 전 세계 산업을 혁신하고 있습니다.

Link to this sectionYOLOv8 문서 확장#

YOLOv8을 사용자분들께 더 가까이 제공하고자 합니다! 현재 문서는 11개 언어로 제공되며 200개 이상의 페이지로 구성되어 있습니다. 우리 커뮤니티의 다양한 요구를 더 잘 충족시키기 위해 지속적으로 확장 중입니다! 다음은 실제 프로젝트를 위한 가이드를 포함하여 한층 더 풍부해진 문서 내용입니다:

• 객체 계수(Object Counting)
• 히트맵(Heatmaps)
• 영역 계수(Region Counting)
• 속도 추정(Speed Estimation)
• 거리 계산(Distance Calculation)

또한 이 문서는 Ultralytics가 지원하는 다양한 데이터셋에 대해서도 설명합니다. 예를 들어, 최근 600개 클래스를 포함하는 Open Images V7 데이터셋이 지원 목록에 추가되었습니다. 또한 바로 사용해 보실 수 있도록 Open Images V7 데이터셋에 대한 사전 학습된 모델도 제공하고 있습니다!

Link to this section맞춤형 YOLOv8 모델 학습#

사용자들은 사전 학습된 모델을 사용하는 것을 넘어, 특정 비즈니스 문제를 해결하기 위한 맞춤형 컴퓨터 비전 솔루션을 찾고 있습니다. 맞춤형 데이터로 YOLOv8 모델을 학습할 수 있는 기능은 중요한 장점으로 떠올랐으며, 2023년 한 해 동안 무려 1,900만 개의 YOLOv8 모델이 학습되었습니다. 이 모델들은 다양한 작업을 위해 학습되었으며, 64%는 객체 탐지, 20%는 이미지 세그멘테이션, 15%는 포즈 추정, 1%는 이미지 분류 작업에 활용되었습니다.

이러한 수치는 Ultralytics의 노코드 ML 플랫폼인 Ultralytics HUB 덕분에 코딩 실력과 관계없이 누구나 YOLOv8을 학습할 수 있기 때문에 가능했습니다. 웹과 모바일 모두에서 접속 가능한 Ultralytics HUB를 통해 코드 없이도 고급 모델을 빠르게 생성하고 학습할 수 있습니다. YOLOv8의 성공을 축하하며, 지난 한 해 동안 Ultralytics HUB가 어떻게 발전해 왔는지도 되돌아보겠습니다.

Link to this section2023년 Ultralytics HUB의 성장#

2023년은 Ultralytics HUB에게 훌륭한 한 해였습니다. 84번의 의미 있는 버전 업데이트를 통해 기능과 사용자 경험을 지속적으로 개선했습니다. 원활한 협업을 위한 '팀(Teams)' 기능, 향상된 기능을 제공하는 Pro HUB 버전, 재무 관리의 편의성을 높인 명확한 결제 내역 확인, 그리고 새로운 사용자 피드백 시스템과 같은 주요 기능을 공개했습니다.

모델 관리가 그 어느 때보다 쉬워졌습니다. 이제 프로젝트 작업 시 모델을 비교하고 이동할 수 있습니다. 더욱 유연한 모델 내보내기 옵션을 위해 더 많은 형식을 지원하도록 하였으며, 이 밖에도 다양한 기능이 추가되었습니다.

새롭고 개선된 기능 외에도 기존 기능 향상에 많은 시간과 노력을 투자했습니다. 예를 들어, 우선순위 로딩 덕분에 플랫폼 시작 속도가 번개처럼 빨라졌습니다. HUB의 브랜딩과 UX는 시각적으로 더욱 아름다운 경험을 제공하도록 재설계되었으며, 사용자 대시보드에는 더 원활한 시작을 돕는 빠른 링크와 소개 영상이 추가되었습니다.

API 키 관리는 더욱 안전하게 개선되었으며, 플랫폼은 보다 원활한 상호 작용을 위해 Ultralytics App과 연동되었습니다. 이 외에도 수많은 개선 사항이 있습니다!

그림 2. 향상된 사용자 대시보드: 더 원활한 시작을 위한 빠른 링크와 소개 영상.

2024년을 맞이하며, 여러분의 지속적인 지원과 피드백을 통해 HUB가 더욱 성장할 것을 기대합니다. YOLOv8의 다음 행보를 함께 알아보겠습니다!

Link to this section2024년 YOLOv8의 향후 계획#

YOLOv8.1 릴리스를 포함한 최신 개발 소식을 확인하고 2024년 Ultralytics의 계획을 살펴보세요!

Link to this sectionUltralytics Explorer 소개#

YOLOv8 출시 1주년을 맞아 새로운 YOLOv8 기반 도구인 Ultralytics Explorer를 공개합니다. 이 혁신적인 도구는 사용자가 데이터셋을 탐색하고 상호 작용하는 방식을 바꿀 것입니다. Ultralytics Explorer API 또는 GUI를 사용하여 SQL 쿼리, 벡터 유사성 검색, 의미론적 검색을 통해 데이터셋을 필터링하고 검색할 수 있습니다.

Ultralytics Explorer의 흥미로운 기능 중 하나는 이미지 매칭입니다. 예를 들어, 데이터셋에서 이미지를 선택하면 해당 이미지와 유사한 데이터셋 내의 모든 이미지를 찾을 수 있습니다. 이를 통해 데이터셋을 더 쉽게 이해하고 관리할 수 있습니다.

그림 3. 새로운 Ultralytics Explorer

예를 들어, 데이터셋에 있는 모든 기린 사진을 보고 싶다면 몇 번의 클릭만으로 가능합니다! 또한 다중 이미지 매칭도 지원하므로 여러 이미지를 선택하여 매칭하면 해당 이미지들의 평균값이 계산됩니다.

SQL 쿼리를 작성하여 특정 라벨이 지정된 특정 개수의 이미지를 데이터셋에서 찾을 수도 있습니다. 이는 'dog'와 같은 라벨이 있는 이미지 중 10개의 샘플을 확인하고 싶을 때 유용합니다. 주석 처리된 데이터가 어떤 것인지 파악하는 데 도움이 됩니다.

또 다른 흥미로운 기능은 Ask AI 기능입니다. SQL에 능숙하지 않더라도 SQL 없이 쿼리 기능을 사용할 수 있습니다. 예를 들어, AI 기반 쿼리 생성기에게 '사람 1명과 개 2마리가 있는 이미지 100개를 보여줘'라고 요청하면, 내부적으로 쿼리를 생성하여 결과를 보여줍니다.

Ultralytics의 어드바이저인 Ayush Chaurasia는 '가장 좋은 점은 Ultralytics Explorer API 자체가 오픈 소스이므로, 이 API를 사용하여 데이터셋 검증, 탐색 등을 위한 애플리케이션을 만들 수 있다는 것입니다'라고 말했습니다. Ultralytics Explorer에 대한 자세한 내용은 Ultralytics Explorer docs에서 확인하시기 바랍니다.

Link to this section새로운 YOLOv8 작업: 지향 객체 탐지(Oriented Object Detection)#

YOLOv8은 지향 객체 탐지(Oriented Object Detection)를 도입하며 큰 도약을 이루었습니다. OBB라고도 불리는 이 고급 기능은 다양한 각도와 회전 상태의 객체에 대해 정확한 탐지 결과를 제공하도록 설계되었습니다.

이는 항공 원격 탐사 이미지나 텍스트 탐지와 같이 기울어진 객체에 대해 탐지의 견고함과 신뢰성을 향상시킵니다. OBB는 배경 영역의 포함을 최소화하면서 이미지 내 객체의 위치를 정확하게 파악하는 데 탁월합니다. 이러한 정밀도는 배경 노이즈를 줄여 객체 분류 성능을 크게 향상시킵니다.

그림 4. 지향 바운딩 박스(OBB)가 포함된 항공 장면 예시.

Ultralytics의 ML 엔지니어인 Jing Qiu는 최신 혁신에 대해 다음과 같이 설명합니다: '새로운 YOLOv8-OBB 모델의 핵심은 견고한 YOLOv8 탐지 모델 기반입니다. 추가적인 파라미터와 연산이 포함되었지만, 표준 탐지 모델과 동일한 성능을 유지하면서 실시간 애플리케이션을 위한 빠른 추론 속도를 보장합니다. 사용자 친화적이며 동일한 API를 공유하지만 'obb' 표시가 되어 있어, 다른 작업과 마찬가지로 학습, 검증, 예측 및 내보내기가 매우 쉽습니다.'

또한 DOTA v2 데이터셋에 대한 모델 학습 호환성 추가 소식도 전합니다. 자세한 내용은 여기에서 확인하고 YOLOv8의 기능이 어떻게 확장되는지 알아보세요.

Link to this section개선된 이미지 분류 모델#

YOLOv8을 위한 새로운 작업을 추가하는 것도 중요하지만, 기존 작업을 개선하고 향상시키는 것 또한 필수적입니다. 이러한 맥락에서 YOLOv8이 지원하는 이미지 분류 작업이 개선되었습니다.

Ultralytics의 ML 엔지니어인 Fatih Akyon은 다음과 같이 강조합니다: 'SOTA 분류 증강(augmentation) 기법을 Ultralytics 학습 파이프라인에 통합했습니다. 이는 분류 점수를 높이는 데 도움이 됩니다. 기본 yolov8-classification 모델들은 새로운 파이프라인으로 재학습되었습니다.'

그림 5. 이미지 분류를 보여주는 이미지.

YOLOv8의 이미지 분류 기능에 대해 자세히 알아보려면 YOLOv8 이미지 분류 문서를 확인하시기 바랍니다.

Link to this section사용자 기여 예제를 받고 있습니다!#

2023년 YOLOv8의 주요 성공 요인 중 하나는 커뮤니티의 사랑과 지원, 그리고 기여였습니다. 현재까지 225건 이상의 기여가 있었으며, YOLOv8을 다듬고 향상시키는 데 도움을 준 모든 분께 감사드립니다. 여러분의 소중한 의견은 YOLOv8을 세밀하게 조정하고 더욱 적응력 있게 만들어 다양한 산업의 다양한 요구와 과제에 대응할 수 있게 했습니다.

2024년을 맞이하며, 사용자 기여 예제 저장소를 확장하게 되어 기쁩니다. 여러분의 기여는 컴퓨터 비전이 솔루션이 될 수 있는 실제 시나리오를 해결하는 데 중추적인 역할을 합니다. 여러분의 혁신적인 사용 사례, 성공 사례, 독특한 구현 방식을 더 넓은 YOLOv8 커뮤니티와 공유하여 협업해 주시길 바랍니다. 여러분의 기여는 다른 열정적인 개발자들에게 영감을 주고 YOLOv8을 새로운 차원으로 이끄는 길잡이가 됩니다.

YOLOv8의 범용성을 보여주고 커뮤니티의 창의성을 반영하는 활기찬 사용자 기여 예제 저장소를 함께 만들어 봅시다. 더 많은 예제를 확인하고 저장소에 기여하시려면 our examples repository를 방문해 주십시오. 기여에 관해 궁금한 점이 있으시면 guide에서 도움을 받으실 수 있습니다.

변함없는 지원에 감사드리며, YOLOv8의 놀라운 한 해를 기대합니다. 앞으로의 업데이트, 혁신, 공동의 성과를 계속 지켜봐 주세요. 멋진 새해를 기원합니다! 🚀