Ultralytics Platform 소개: 비전 AI를 주석 처리하고, 학습하고, 배포하는 가장 스마트한 방법

컴퓨터 비전을 누구나 이용할 수 있도록 Ultralytics 오픈소스 생태계를 구축했습니다. 이제 전 세계 수백만 명의 개발자가 공장 검사 라인부터 자율 배송 시스템에 이르기까지 다양한 분야를 지원하기 위해 Ultralytics YOLO 모델을 학습합니다.

하지만 수년간 커뮤니티에서 같은 의견을 반복해서 들었습니다. 강력한 모델을 학습하는 일은 더 이상 컴퓨터 비전의 가장 큰 장벽이 아닙니다. 모델을 실제 운영 환경에 적용하는 일이 장벽입니다.

오늘, 저희는 이를 바꾸고자 합니다. 원시 데이터에서 실제 운영 환경에 바로 배포할 수 있는 수준까지 비전 AI를 구현하도록 특별히 설계된 궁극의 엔드투엔드 플랫폼, Ultralytics Platform을 소개합니다.

뛰어난 모델과 뛰어난 제품 사이의 간극#

지난 10년 동안 컴퓨터 비전과 딥러닝은 연구 분야에서 빠르게 발전해 실제 시스템을 구동하는 핵심 인프라가 되었습니다. 제조 현장의 품질 검사를 지원하고, 무인 계산 매장을 가능하게 하며, 수술 로봇을 안내하고, 자율주행 차량이 경로를 유지하도록 합니다. 모델의 성능은 그 어느 때보다 뛰어나지만, 작동하는 프로토타입에서 신뢰할 수 있는 운영 시스템으로 나아가는 과정은 여전히 필요 이상으로 어렵습니다.

오늘날 대부분의 팀은 주석 처리, 학습, 실험 추적, 배포 및 모니터링을 위해 서로 다른 도구를 조합합니다. 통합할 때마다 복잡성이 커지고, 인수인계가 이루어질 때마다 추진력이 떨어집니다. 인프라 관리에 매달리느라 애플리케이션 자체를 개발하지 못한 채 몇 주가 조용히 지나가기도 합니다.

컴퓨터 비전 커뮤니티의 개발자, 스타트업 및 엔터프라이즈 팀과 긴밀히 협력하면서 세 가지 과제가 계속해서 드러났습니다.

• 주석 처리 병목: 고성능 모델에는 고품질 레이블 데이터가 필요하지만, 데이터셋을 생성하고 유지 관리하는 작업은 여전히 느리고 노동 집약적입니다.
• 배포 간극: 학습에서는 성능이 뛰어난 모델이라도 엣지 기기, 클라우드 환경 및 운영 시스템 전반에서 안정적으로 실행하려면 엔지니어링 작업에 몇 주가 더 걸릴 수 있습니다.
• 도구 분산에 따른 비용: 주석 처리, 학습, 추적 및 배포를 여러 서비스에 분산하면 오버헤드가 누적되어 모든 반복 주기가 느려집니다.

이러한 반복적인 과제는 현대 컴퓨터 비전 개발의 핵심 병목이며, 결국 Ultralytics Platform을 구축하게 된 계기입니다. 데이터 준비부터 배포까지의 워크플로를 간소화하고 컴퓨터 비전 개발의 주요 단계를 연결하면 팀은 유망한 모델에서 실제 비전 AI 시스템으로 더 수월하게 나아갈 수 있습니다.

한곳에서 관리하는 비전 AI 전체 라이프사이클#

Ultralytics Platform은 데이터 관리부터 주석 처리, 모델 학습, 배포 및 모니터링까지 컴퓨터 비전 워크플로의 모든 단계를 통합합니다. 하나로 연결된 단일 작업 공간에서 복잡성을 줄이고 아이디어를 실제 성과로 전환하는 과정을 앞당깁니다.

이미지나 동영상을 업로드하고 내장된 주석 도구로 레이블을 지정하세요. 플랫폼에서 직접 Ultralytics YOLO26과 같은 모델을 학습하고 전 세계에 배포한 뒤 실시간으로 성능을 모니터링하세요. 각 단계가 다음 단계로 이어지므로 인프라 관리 대신 애플리케이션 개발에 집중할 수 있습니다.

그림 1. Ultralytics Platform 미리 보기 (출처)

아이디어에서 배포까지: Ultralytics Platform의 작동 방식#

컴퓨터 비전 아이디어를 작동하는 시스템으로 구현하려면 데이터 준비부터 운영 환경에서 모델 실행까지 여러 단계를 거쳐야 합니다. Ultralytics Platform은 이 과정을 명확하고 간단한 파이프라인으로 구성해 초기 구상에서 모델 배포까지 수월하게 진행하도록 지원합니다.

주석 처리: 획기적으로 빨라진 작업#

데이터 레이블 지정은 전통적으로 모든 컴퓨터 비전 프로젝트에서 시간이 가장 많이 드는 작업 중 하나였습니다. Ultralytics Platform은 이 작업을 대폭 빠르게 처리하며 데이터가 저장된 위치에 맞춰 사용할 수 있도록 설계되었습니다.

원시 이미지, 동영상 또는 데이터셋 아카이브를 업로드하고, YOLO 또는 COCO 형식으로 이미 레이블이 지정된 데이터셋을 가져오거나, Ultralytics 커뮤니티에서 공유한 공개 데이터셋을 복제할 수 있습니다. 처음부터 시작하든 기존 작업을 기반으로 구축하든, 데이터가 플랫폼에 업로드되는 즉시 사용할 수 있습니다.

이미지나 동영상에 아직 레이블이 지정되지 않은 경우 내장 주석 편집기를 사용하면 작업을 훨씬 빠르게 완료할 수 있습니다. 객체 탐지와 인스턴스 세그멘테이션부터 포즈 추정, 회전 바운딩 박스(OBB) 탐지 및 이미지 분류까지 주요 컴퓨터 비전 작업을 모두 지원하며, 속도와 정밀도를 고려해 설계된 도구를 제공합니다.

특히 돋보이는 기능은 SAM 3 기반 스마트 주석입니다. Segment Anything Model 3(SAM 3)을 사용하면 객체를 클릭하고 몇 개의 포인트로 보정해 정밀한 마스크, 바운딩 박스 또는 회전 박스를 생성할 수 있습니다. 몇 시간씩 수동으로 윤곽을 추적하던 작업을 이제 몇 분 만에 끝낼 수 있어, 팀은 개발 속도에 맞춰 고품질 데이터셋을 구축할 수 있습니다.

그림 3. Ultralytics Platform의 SAM 기반 스마트 주석 예시 (출처)

포즈 스켈레톤 템플릿, 키보드 단축키, 인라인 클래스 관리 및 실행 취소/다시 실행 기능을 더해 작업 흐름을 유지할 수 있는 주석 경험을 제공합니다.

학습: 손쉽고 강력하게#

데이터에 레이블을 지정하면 클릭 한 번으로 학습을 시작할 수 있습니다. Ultralytics YOLO26, YOLO11 및 전체 Ultralytics YOLO 모델 제품군을 기본 지원하며, 클라우드 그래픽 처리 장치(GPU)를 사용해 플랫폼에서 직접 학습하거나 로컬 하드웨어에서 학습하면서 지표를 플랫폼으로 스트리밍할 수 있습니다.

RTX 4090, RTX PRO 6000, NVIDIA A100, H100 등을 포함한 다양한 클라우드 GPU 옵션 중에서 선택하거나, 자체 로컬 하드웨어에서 학습하면서 실시간 지표를 플랫폼으로 스트리밍할 수 있습니다. 모든 실험은 관련 모델을 함께 묶는 프로젝트에 자동으로 정리되므로, 서로 다른 데이터셋, 매개변수 및 설정이 결과에 미치는 영향을 쉽게 추적하고 가장 성능이 뛰어난 모델을 식별할 수 있습니다.

에포크마다 변화하는 손실 곡선, 정밀도, 재현율 및 평균 정밀도(mAP)를 모니터링하세요. 혼동 행렬과 정밀도-재현율 곡선을 자세히 살펴 모델이 어떤 부분에서 잘 작동하고 어디를 개선할 수 있는지 정확히 파악하세요. 여러 실행 결과를 나란히 비교해 최상의 결과를 내는 설정을 찾을 수 있습니다.

그림 2. Ultralytics Platform으로 학습 진행 상황을 모니터링하는 모습 (출처)

Ultralytics Platform은 학습 라이프사이클의 주요 단계도 자동으로 관리합니다. 학습 중 체크포인트를 저장해 최고 성능 모델과 최종 학습 가중치를 모두 보존합니다. 사전 학습된 모델을 플랫폼에서 직접 파인튜닝할 수 있으며, 학습된 모델을 업로드하거나 다운로드해 다른 환경에서 사용할 수 있으므로 팀은 작업 방식과 장소를 유연하게 선택할 수 있습니다.

프로비저닝할 인프라가 없습니다. 별도로 설정할 실험 추적 서비스도 없습니다. 레이블이 지정된 데이터에서 실제 환경에 바로 적용할 수 있는 학습된 모델까지 명확하고 효율적인 경로만 있으면 됩니다.

전 세계에 배포하고 모든 항목을 모니터링하세요#

잘 학습된 모델에는 그에 걸맞은 운영 환경 배포 경로가 필요합니다. Ultralytics Platform이 이를 제공합니다.

먼저 브라우저에서 직접 모델 추론 결과를 검증하세요. 결과에 확신이 들면 전 세계 43개 리전에 배포할 수 있습니다. 각 리전에는 수요에 맞춰 자동으로 확장되는 전용 엔드포인트가 있으며, 애플리케이션에 통합할 수 있는 고유한 API 엔드포인트가 제공됩니다.

그림 4. Ultralytics Platform은 전 세계 43개 리전에 모델을 배포할 수 있도록 지원합니다. (출처)

클라우드에 배포하든 엣지 기기에서 모델을 실행하든, Ultralytics Platform은 두 시나리오에 맞는 유연한 옵션을 제공합니다. 모든 Ultralytics YOLO 모델은 다양한 환경에서 효율적으로 실행되도록 기본 최적화되어 있어, 연산 리소스가 제한된 엣지 하드웨어에서도 안정적인 성능을 제공합니다. 플랫폼 외부에서 모델을 실행해야 하는 팀을 위해 Ultralytics는 ONNX, TensorRT, CoreML, TFLite 및 OpenVINO를 비롯한 17개 검증된 형식으로 내보내기를 지원하므로 클라우드 서비스, 모바일 기기, 엣지 시스템 등에서 모델을 기본적으로 실행할 수 있습니다.

모델을 배포하고 나면 배포 대시보드의 내장 모니터링 기능을 통해 요청량, 지연 시간 지표, 오류율, 엔드포인트 상태 및 상세 로그 등 운영 성능을 전체적으로 파악할 수 있습니다. 또한 로그를 검토하고 엔드포인트 상태를 확인하며 시간에 따른 성능을 추적해 컴퓨터 비전 시스템이 운영 환경에서 안정적으로 실행되는지 확인하고 성능 최적화 기회를 찾을 수 있습니다.

지금 시작하거나 Ultralytics 문서를 살펴보고 플랫폼의 기능을 자세히 알아보세요.

비전 AI 개발의 대중화#

Ultralytics Platform에 대해 더 알아가다 보면, 이 플랫폼의 목표가 컴퓨터 비전 시스템 구축 도구를 제공하는 데 그치지 않는다는 점을 금방 알 수 있습니다. 플랫폼은 더 많은 커뮤니티 구성원이 비전 AI 개발을 손쉽고 편리하게 이용할 수 있도록 설계되었습니다.

과거에는 AI 시스템을 구축하고 배포하려면 전문 인프라와 복잡한 도구, 상당한 초기 투자가 필요했습니다. 강력한 모델을 학습하기 쉬워진 뒤에도 데이터셋 관리, 실험 실행, 모델 배포 및 인프라 유지 관리와 같은 관련 워크플로는 개인과 소규모 팀이 접근하기 어려웠습니다.

Ultralytics Platform은 전체 비전 AI 워크플로를 단일 환경으로 통합하고 손쉽게 시작할 수 있도록 지원해 이러한 장벽을 낮춥니다. 신규 사용자는 클라우드 학습용 가입 크레딧과 데이터셋 관리, 주석 도구, 모델 학습 및 모델 내보내기와 같은 핵심 기능이 포함된 무료 플랜으로 플랫폼을 체험할 수 있습니다.

프로젝트가 성장하면 개인 사용자나 엔터프라이즈 고객은 추가 크레딧과 플랫폼 플랜을 통해 컴퓨팅 리소스, 스토리지, 협업 기능 및 배포 용량을 확대할 수 있습니다. 이처럼 유연한 접근 방식 덕분에 개발자, 연구자, 스타트업 및 엔터프라이즈는 작게 시작해 자유롭게 실험하고, 컴퓨터 비전 시스템을 운영 환경에 적용하면서 사용량을 늘릴 수 있습니다.

엔드투엔드 컴퓨터 비전 워크플로와 접근하기 쉬운 가격 모델을 결합한 Ultralytics Platform은 더 많은 사람이 실제 환경에서 사용할 비전 AI 애플리케이션을 구축하고 테스트하며 배포할 수 있도록 돕습니다.

핵심 요점#

Ultralytics Platform은 비전 AI 전체 라이프사이클을 강력한 단일 작업 공간으로 통합해 원시 데이터에서 운영 환경에 바로 배포할 수 있는 비전 AI 시스템까지 더 빠르게 구현하도록 지원합니다. 주석 처리, 학습, 배포 및 모니터링을 위한 내장 도구를 통해 팀은 복잡한 인프라를 관리하지 않고도 Ultralytics YOLO26, Ultralytics YOLO11, Ultralytics YOLO11 및 이전 YOLO 모델과 같은 모델을 구축하고 배포할 수 있습니다.

첫 모델을 실험하든 대규모로 비전 AI를 배포하든, 플랫폼은 모든 여정을 지원하도록 설계되었습니다.

커뮤니티에 참여해 제조 분야의 AI와 리테일 분야의 비전 AI와 같은 혁신 사례를 알아보세요. GitHub 저장소를 방문하고 라이선스 옵션을 확인해 오늘 컴퓨터 비전을 시작하세요.