다양한 산업의 실제 AI 솔루션을 지원합니다

Ultralytics YOLO는 다중 모달 센싱과 함께 SK Godelius의 컴퓨터 비전 파이프라인의 핵심 구성 요소로서, 정확하게 어떤 부품에 결함이 있는지 식별할 수 있는 정확도를 제공하여 작업자의 안전을 지키고 검사의 일관성을 유지해 줍니다.

Ultralytics로 전환하는 단계를 밟고 나니 모든 것이 훨씬 간단해졌습니다. 코드 한 줄로 무엇이든 학습하고, 예측하고, export할 수 있습니다.

Ultralytics YOLO 모델은 사용하기 쉽고 정확하며 유연합니다. 덕분에 순찰 시간을 평균 약 30% 줄일 수 있었습니다.

Ultralytics YOLOv8 nano를 사용하면 edge에서 재학습하고, 데이터의 일부만 전송하여 몇 주가 아닌 몇 시간 만에 새 모델을 배포할 수 있습니다. 이러한 정확도와 작은 footprint의 조합은 당사의 환경에 정확히 필요한 요소입니다.

모델이 서로 다른 재질 클래스를 분류하는 정확도를 높이는 동시에 팀에 필요한 수작업의 양을 줄이고자 했습니다. Ultralytics YOLO로 전환한 것이 이러한 성능 향상을 실현하는 핵심이었습니다.

평가한 모든 모델 중 YOLO가 당사의 사용 사례에서 압도적으로 가장 빨랐습니다.

Ultralytics에서 제공하는 학습 인프라를 매우 유용하게 사용하고 있으며, 특히 쉽게 시작할 수 있다는 점이 마음에 듭니다. 특히 데이터셋을 구축하고 “train” 함수를 실행하는 과정이 간단했습니다.

Ultralytics YOLO 모델은 AI 서비스 구현 속도를 25.2% 높이는 데 도움이 되었습니다. 배포가 쉽고 실제 환경에서 뛰어난 성능을 제공하여 운영 성능을 저하시키지 않으면서 더 높은 속도, 정확도 및 확장성을 실현합니다.

Ultralytics Python package를 통해 Ultralytics YOLO 모델을 학습하고 배포하는 기능은 매우 견고합니다. 빠른 inference와 결합되어 이미지를 신속하게 처리하고 construction site에서 실시간 피드백을 제공할 수 있습니다.

Ultralytics를 통해 다른 모델보다 더 높은 정확도로 속도를 향상할 수 있었습니다. CUDA, TensorRT, ONNX, OpenVINO 등 다양한 framework와의 호환성은 R&D에서 weights를 fine-tuning한 다음 보유한 hardware에 맞게 최적화하는 데 큰 도움이 되었습니다.

아직 시작 단계에 불과합니다. Ultralytics YOLO를 통해 더 안전할 뿐만 아니라 더 스마트한 솔루션을 개발할 기반을 마련했으며, 생명을 구하고 산업 안전 관리 방식을 혁신할 수 있는 실시간 인사이트를 제공할 수 있습니다.

당사는 식품 생산 라인에서 재료를 pick-and-place하는 computer vision-enabled robot을 제작합니다. Robotic manipulation에는 1cm 미만의 정밀도가 필요하며, Ultralytics YOLO 모델은 이러한 수준의 정확도를 훌륭하게 제공합니다.

당사의 STM32 microcontroller에서 Ultralytics YOLO 모델이 발휘하는 성능은 edge에서의 computer vision에 새로운 가능성을 열어 줍니다. 간소화된 통합과 다양한 모델 variant 지원을 통해 개발자는 확장 가능하고 responsive한 embedded vision solution을 구축하는 데 필요한 모든 것을 갖출 수 있습니다.

Ultralytics의 YOLO는 사용하기 정말 즐거웠습니다. Python library는 training과 inference 모두에서 놀라울 정도로 smooth하고 일관적이며, 실제로 pipeline에 통합하는 과정도 드물게 마찰 없이 진행되었습니다.

Ultralytics Python package를 사용하면 모델을 매우 쉽고 빠르게 학습할 수 있습니다. 또한 다양한 모델과 새로운 YOLO version 전반에 걸친 표준화 덕분에 수년에 걸쳐 높은 수준의 안정성을 확보할 수 있습니다.

Ultralytics YOLO를 당사의 Instabase AI platform에 통합하는 과정은 쉽고 수월했습니다. 덕분에 release schedule을 앞당기고 고객에게 visual object recognition 기능을 제공할 수 있었습니다.

이들은 뛰어난 정확도와 효율성으로 visual data를 실행 가능한 인사이트로 전환합니다. SSS (Sony Semiconductor Solutions Corporation)의 IMX500 sensor와 Ultralytics YOLOv8을 결합한 이 partnership은 강력한 on-device AI 기능을 제공하여 고성능 visual data processing에 의존하는 기업의 실시간 의사결정을 향상합니다.

Ultralytics YOLO 모델은 당사의 Metis AI Processing Units (AIPUs)에 매우 잘 부합합니다. 통합이 쉽고 효율적으로 실행되며, 고객이 영향력 있는 Vision AI 애플리케이션을 edge에서 신속하게 구동하도록 지원합니다.

ALYCE에서는 Ultralytics를 활용하여 모델을 학습하는 방식이 획기적으로 개선되었습니다. 이를 통해 데이터 정확도를 향상하고 고객에게 탁월한 품질을 제공하며 지속 가능한 mobility project를 지원할 수 있었습니다.

Ultralytics YOLO 모델은 tidal turbine site부터 항구와 coral reef에 이르기까지 다양한 underwater environment에서 당사의 요구를 매우 잘 충족했습니다. 정확도와 reliability 덕분에 marine energy 및 research project 전반의 environmental monitoring 작업에서 크게 의존하고 있습니다.

Ultralytics는 prototype 개발뿐만 아니라 최종 solution 개발에도 사용할 수 있는 매우 강력하고 쉬운 solution입니다.

일반적으로 machine learning model을 학습하려면 많은 시간이 걸리며, inference를 위해 2~3일을 기다린 후 정확도가 충분한지 판단해야 하는 경우가 많습니다. 하지만 Ultralytics YOLO를 사용하면 하루 만에 모델을 학습하고, 신속하게 의사결정을 내리며, 결과를 통해 빠르게 학습할 수 있습니다. 학습이 완료된 후에는 dataset을 개선하여 성능을 더욱 향상할 수도 있습니다.

Ultralytics의 YOLO 모델은 AI industry의 판도를 바꾸고 있습니다. YOLOv5 및 YOLOv8 모델은 사용 편의성, state-of-the-art 성능 및 정확도 덕분에 개발자들에게 선호됩니다. OpenVINO와 함께 사용하면 이러한 모델은 최신 CPU에서 out-of-the-box 성능을 극대화할 수 있는 잠재력을 제공합니다.