Ultralytics YOLOv8 출시 1주년: 획기적인 발전과 혁신의 여정
Ultralytics YOLOv8 출시 1주년을 맞아 그 영향과 전체 문서 확인 방법, 모델 학습 방법 등을 돌아봅니다!
오늘 2024년 1월 10일은 Ultralytics YOLOv8가 출시된 지 1년이 되는 날입니다. 이제 이를 기념할 때입니다! 지난 1년은 중요한 이정표를 세우고 가능성의 한계를 넓혀 온 흥미로운 시간이었습니다. 2023년의 주요 성과와 2024년에 기대되는 다음 단계를 함께 돌아보겠습니다.
2023년 Ultralytics YOLOv8의 영향 돌아보기#
그림 1. 2023년에 학습된 Ultralytics YOLOv8 모델 1,900만 개
YOLOv8은 열정적인 컴퓨터 비전 사용자와 전체 커뮤니티로부터 뜨거운 환영을 받았습니다. 지난 1년 동안 Ultralytics 패키지는 2,000만 회 이상 다운로드되었으며, 12월 한 달에만 400만 회라는 기록적인 다운로드를 달성했습니다. 창립자 겸 CEO인 Glenn Jocher는 YOLOv8에 대한 관심이 계속 증가하고 있으며, 매일 매초 1,000건이 넘는 inference 작업이 시작되고 있다고 전했습니다!
Ultralytics YOLOv8은 흥미와 호기심을 불러일으키는 데 그치지 않고 실제 세계의 실용적인 애플리케이션에서도 그 영향력을 입증했습니다. 올해에는 다양한 산업과 분야에서 500만 명의 사용자와 150억 건의 이벤트가 YOLOv8의 혜택을 받았습니다. 감시 시스템 개선부터 의료, 농업, 제조 분야의 혁신적인 발전에 이르기까지 YOLOv8은 전 세계 산업을 혁신하고 있습니다.
Ultralytics YOLOv8 문서 확장#
Ultralytics YOLOv8을 여러분에게 더 가까이 제공하고 있습니다! 이제 문서를 11개 언어로 제공하며, 200개 이상의 문서 페이지를 갖추고 지속적으로 확장하여 다양한 커뮤니티의 요구를 더욱 잘 충족하고 있습니다! 문서에는 다음과 같은 실제 프로젝트를 위한 가이드가 포함되어 있습니다.
문서에서는 Ultralytics가 다양한 데이터셋을 지원하는 방식도 설명합니다. 예를 들어 최근 600개 클래스를 포함하는 Open Images V7 데이터셋이 지원되는 데이터셋 목록에 추가되었습니다. 또한 Open Images V7 데이터셋용 사전 학습 모델도 제공하므로 직접 사용해 볼 수 있습니다!
사용자 지정 학습 Ultralytics YOLOv8 모델 생성#
사전 학습 모델을 사용하는 것뿐만 아니라, 사용자들은 매우 구체적인 비즈니스 문제를 해결하는 맞춤형 컴퓨터 비전 솔루션도 찾고 있습니다. 사용자 지정 데이터로 Ultralytics YOLOv8 모델을 학습할 수 있는 기능은 중요한 장점으로 부상했으며, 2023년에는 무려 1,900만 개의 YOLOv8 모델이 학습되었습니다. 이러한 모델은 다양한 작업에 사용되었으며, 64%는 객체 탐지, 20%는 이미지 분할, 15%는 포즈 추정, 1%는 이미지 분류에 사용되었습니다.
이러한 수치가 가능한 이유 중 하나는 Ultralytics의 코드 없는 ML 플랫폼인 Ultralytics HUB를 통해 코딩 전문 지식과 관계없이 누구나 YOLOv8을 학습할 수 있기 때문입니다. 웹과 모바일에서 모두 이용할 수 있는 Ultralytics HUB에서는 코드 없이도 고급 모델을 빠르게 생성하고 학습할 수 있습니다. YOLOv8의 성과를 기념하며, 지난 1년 동안 Ultralytics HUB가 어떻게 발전해 왔는지도 돌아보겠습니다.
2023년 Ultralytics HUB의 성장#
2023년은 Ultralytics HUB에 있어 훌륭한 한 해였습니다. 84회의 주요 버전 업데이트를 통해 기능과 사용자 경험을 지속적으로 개선했습니다. 원활한 협업을 위한 ‘Teams’, 향상된 기능을 제공하는 Pro HUB 버전, 재무 관리를 돕는 더욱 명확한 결제 내역, 새로운 사용자 피드백 시스템과 같은 주요 기능을 공개했습니다.
모델 관리가 그 어느 때보다 쉬워졌습니다. 이제 프로젝트 작업 중에 모델을 비교하고 이동할 수 있습니다. 더욱 다양한 형식을 지원하여 유연한 모델 export 옵션을 제공하며, 이 외에도 많은 기능을 추가했습니다.
새롭고 개선된 기능뿐만 아니라 기존 기능을 개선하는 데에도 많은 시간과 노력을 기울였습니다. 예를 들어 우선순위 로딩 덕분에 플랫폼이 매우 빠르게 시작됩니다. HUB의 브랜딩과 UX를 새롭게 설계하여 시각적으로 뛰어난 경험을 제공하며, 사용자 대시보드에는 빠른 시작을 돕는 바로 가기 링크와 소개 동영상이 포함되어 있습니다.
API 키 관리 기능을 개편하여 보안을 더욱 강화했으며, 플랫폼을 Ultralytics App과 통합하여 더욱 원활하게 오갈 수 있는 경험을 제공합니다. 이는 몇 가지 예에 불과합니다!
그림 2. 향상된 사용자 대시보드: 원활한 시작을 위한 바로 가기 링크와 소개 동영상.
2024년을 맞이하며 여러분의 지속적인 지원과 의견을 바탕으로 HUB가 더욱 성장할 모습을 기대하고 있습니다. Ultralytics YOLOv8의 다음 단계를 함께 살펴보겠습니다!
2024년 Ultralytics YOLOv8의 다음 단계#
YOLOv8.1 릴리스를 비롯한 최신 개발 사항을 확인하고, 2024년 Ultralytics에 어떤 일이 예정되어 있는지 살펴보세요!
소개: Ultralytics Explorer#
YOLOv8 첫 1주년에 맞춰 Ultralytics Explorer라는 새로운 YOLOv8 기반 도구를 출시합니다. 이 혁신적인 도구는 사용자가 데이터셋을 탐색하고 상호작용하는 방식을 바꿀 것으로 기대됩니다. Ultralytics Explorer API 또는 GUI를 사용하여 SQL 쿼리, 벡터 유사도 검색, 의미 검색으로 데이터셋을 필터링하고 검색할 수 있습니다.
Ultralytics Explorer의 흥미로운 기능 중 하나는 이미지 매칭입니다. 예를 들어 데이터셋에서 이미지를 하나 선택하면 해당 이미지와 유사한 데이터셋 내 모든 이미지를 찾을 수 있습니다. 이를 통해 데이터셋을 더욱 쉽게 이해하고 관리할 수 있습니다.
그림 3. 새로운 Ultralytics Explorer
데이터셋에 있는 모든 기린 이미지를 보고 싶다면 몇 번의 클릭만으로 확인할 수 있습니다! 여러 이미지 매칭도 지원하므로, 매칭할 이미지를 여러 개 선택하면 이미지들의 평균이 계산됩니다.
특정 레이블이 지정된 이미지를 데이터셋에서 원하는 수만큼 찾기 위해 SQL 쿼리를 작성할 수도 있습니다. 예를 들어 ‘dog’와 같은 레이블이 지정된 이미지 10개의 샘플을 데이터셋에서 확인하고 싶을 때 유용합니다. 이를 통해 어떤 데이터가 annotation되었는지 파악할 수 있습니다.
또 다른 흥미로운 기능은 Ask AI 기능입니다. SQL에 익숙하지 않더라도 SQL 없이 querying 기능을 사용할 수 있습니다. 예를 들어 AI 기반 쿼리 생성기에 사람 한 명과 개 두 마리가 정확히 포함된 이미지 100장을 보여 달라고 요청하면, 내부적으로 쿼리를 생성하고 쿼리 결과를 표시합니다.
Ultralytics의 Advisor인 Ayush Chaurasia는 다음과 같이 말했습니다. ‘가장 좋은 점은 Ultralytics Explorer API 자체가 오픈 소스이므로, API를 사용해 데이터셋 검증, 탐색 등을 위한 애플리케이션을 만들 수 있다는 것입니다.’ Ultralytics Explorer에 대한 자세한 내용은 Ultralytics Explorer 문서에서 확인하세요.
새로운 Ultralytics YOLOv8 작업: 방향성 객체 탐지#
Ultralytics YOLOv8은 방향성 객체 탐지, 즉 OBB를 도입하며 크게 도약했습니다. 이 고급 기능은 특히 다양한 각도와 회전 상태의 객체를 대상으로 정밀한 탐지 결과를 제공하도록 설계되었습니다.
이를 통해 특히 항공 원격 감지 이미지와 텍스트 탐지처럼 기울어진 객체를 대상으로 탐지의 견고성과 신뢰성이 향상됩니다. OBB는 이미지에서 객체의 위치를 정확하게 파악하여 배경 영역의 포함을 최소화한다는 점에서 차별화됩니다. 이러한 정밀성은 배경 노이즈를 줄여 객체 분류 성능을 크게 향상합니다.
그림 4. 방향성 BBox가 표시된 항공 장면의 예시.
Ultralytics의 ML Engineer인 Jing Qiu가 최신 혁신에 대한 인사이트를 공유했습니다. '새로운 YOLOv8-OBB 모델의 핵심에는 강력한 YOLOv8 탐지 모델이 기반으로 자리하고 있습니다. 추가 파라미터와 연산을 포함하지만, 표준 탐지 모델의 성능과 마찬가지로 실시간 애플리케이션에 적합한 빠른 inference 속도를 유지하도록 했습니다. 사용자 친화적인 동일한 API를 사용하면서 'obb'라는 간단한 표기로 구분되므로, 다른 작업과 마찬가지로 매우 쉽게 학습, 검증, 예측 및 export할 수 있습니다.'
또한 DOTA v2 데이터셋으로 모델을 학습할 수 있도록 호환성을 추가하게 되어 기쁩니다. 자세한 내용은 여기에서 확인하고, 이것이 Ultralytics YOLOv8의 기능을 어떻게 확장하는지 살펴보세요.
향상된 이미지 분류 모델#
Ultralytics YOLOv8이 지원하는 새로운 작업을 추가하는 것도 중요하지만, 기존 작업을 개선하고 향상하는 것 역시 그에 못지않게 중요합니다. 이러한 취지에 따라 YOLOv8이 지원하는 이미지 분류 작업을 개선했습니다.
Ultralytics의 ML Engineer인 Fatih Akyon은 다음과 같이 강조했습니다. 'Ultralytics 학습 파이프라인에 SOTA 분류 augmentation을 통합했습니다. 이를 통해 분류 점수를 향상할 수 있습니다. 기본 yolov8-classification 모델은 새로운 파이프라인으로 다시 학습했습니다.'
그림 5. 이미지 분류를 보여주는 이미지.
Ultralytics YOLOv8의 이미지 분류 기능에 대해 자세히 알아보려면 YOLOv8 이미지 분류 문서를 확인하세요.
사용자 기여 예제를 받고 있습니다!#
2023년 Ultralytics YOLOv8의 주요 성공 요인 중 하나는 커뮤니티가 보내 준 관심과 지원, 기여였습니다. 지금까지 225건이 넘는 기여가 있었으며, YOLOv8을 개선하고 발전시키는 데 도움을 준 모든 기여에 감사드립니다. 여러분의 소중한 의견은 YOLOv8을 다듬고 세밀하게 조정하여 다양한 산업의 여러 요구와 과제에 더욱 유연하고 민첩하게 대응할 수 있도록 이끌었습니다.
2024년을 맞아 사용자 기여 예제 저장소를 확장하게 되어 기쁩니다. 컴퓨터 비전이 해결책이 될 수 있는 실제 시나리오를 다루는 데 여러분의 기여가 중요한 역할을 합니다. 혁신적인 사용 사례, 성공 사례, 독창적인 구현을 더 넓은 Ultralytics YOLOv8 커뮤니티와 공유하며 함께 협력해 주시기를 바랍니다. 여러분의 기여는 다른 사용자들에게 영감을 주고 YOLOv8을 새로운 단계로 이끌 것입니다.
함께 사용자 기여 예제로 구성된 활기찬 저장소를 구축하여 Ultralytics YOLOv8의 다재다능함을 보여 주고 커뮤니티의 창의성을 반영해 봅시다. 더 많은 예제를 확인하고 저장소에 기여하려면 예제 저장소를 이용하세요. 기여에 관해 궁금한 점이 있다면 가이드에서 도움을 받을 수 있습니다.
한결같은 지원에 감사드리며, Ultralytics YOLOv8의 놀라운 한 해를 함께 지켜볼 수 있기를 기대합니다. 더 많은 업데이트와 혁신, 협력의 성과를 기대해 주세요. 앞으로의 멋진 한 해를 위하여! 🚀
