Ultralytics Platform 소개: 비전 AI를 annotation하고, train하고, deploy하는 가장 스마트한 방법

누구나 컴퓨터 비전을 이용할 수 있도록 Ultralytics 오픈 소스 생태계를 구축했습니다. 이제 전 세계 수백만 명의 개발자가 Ultralytics YOLO 모델을 학습하여 공장 검사 라인부터 자율 배송 시스템까지 모든 분야를 지원하고 있습니다.

하지만 수년 동안 커뮤니티로부터 같은 피드백을 계속 들었습니다. 이제 컴퓨터 비전에서 강력한 모델을 학습하는 것이 가장 큰 장벽은 아닙니다. 실제 운영 환경에 적용하는 것이 가장 큰 장벽입니다.

오늘, 저희는 이를 바꿉니다. 비전 AI를 원시 데이터에서 실제 프로덕션급 배포까지 연결하도록 특별히 설계된 궁극적인 엔드투엔드 플랫폼, Ultralytics Platform을 소개합니다.

훌륭한 모델과 훌륭한 제품 사이의 간극#

지난 10년 동안 컴퓨터 비전과 딥러닝은 연구 분야에서 실제 시스템을 구동하는 핵심 인프라로 빠르게 발전했습니다. 제조 현장의 품질 검사를 지원하고, 계산원 없는 소매점을 가능하게 하며, 수술 로봇을 안내하고, 자율주행 차량이 경로를 유지하도록 합니다. 모델은 그 어느 때보다 뛰어난 성능을 발휘하지만, 작동하는 프로토타입에서 안정적인 프로덕션 시스템으로 전환하는 과정은 여전히 필요 이상으로 어렵습니다.

오늘날 대부분의 팀은 주석 처리, 학습, 실험 추적, 배포, 모니터링을 위해 서로 다른 도구를 조합합니다. 통합할 때마다 복잡성이 증가합니다. 인계할 때마다 추진력이 떨어집니다. 애플리케이션 자체를 구축하는 대신 인프라를 관리하느라 몇 주가 조용히 사라질 수도 있습니다.

컴퓨터 비전 커뮤니티의 개발자, 스타트업, 엔터프라이즈 팀과 긴밀히 협력하면서 다음 세 가지 과제가 반복해서 나타났습니다.

• 주석 처리 병목: 고성능 모델에는 고품질의 라벨링된 데이터가 필요하지만, 이러한 데이터셋을 생성하고 유지 관리하는 작업은 여전히 느리고 많은 수작업이 필요합니다.
• 배포 격차: 학습에서 우수한 성능을 보이는 모델이라도 엣지 디바이스, 클라우드 환경, 프로덕션 시스템 전반에서 안정적으로 실행하려면 추가 엔지니어링에 수주가 걸릴 수 있습니다.
• 도구 단편화 비용: 여러 서비스에 주석 처리, 학습, 추적, 배포를 분산하면 반복 주기마다 속도를 늦추는 오버헤드가 누적됩니다.

이러한 반복되는 과제는 현대 컴퓨터 비전 개발의 핵심 병목이며, 궁극적으로 Ultralytics Platform을 구축하게 된 계기입니다. 데이터 준비부터 배포까지의 워크플로를 간소화하고 컴퓨터 비전 개발의 핵심 단계를 연결하면 팀이 유망한 모델에서 실제 비전 AI 시스템으로 더욱 쉽게 나아갈 수 있습니다.

하나의 공간에서 관리하는 비전 AI 전체 수명 주기#

Ultralytics Platform은 데이터 관리부터 주석 처리, 모델 학습, 배포, 모니터링까지 컴퓨터 비전 워크플로의 모든 단계를 통합합니다. 복잡성을 줄이고 아이디어를 실제 성과로 연결하는 과정을 가속화할 수 있도록 모든 기능을 하나의 연결된 워크스페이스에서 제공합니다.

이미지나 동영상을 업로드합니다. 기본 제공 주석 처리 도구로 라벨을 지정합니다. 플랫폼에서 직접 Ultralytics YOLO26과 같은 모델을 학습합니다. 전 세계에 배포합니다. 실시간으로 성능을 모니터링합니다. 모든 단계가 다음 단계로 이어지므로 인프라를 관리하는 대신 애플리케이션 구축에 집중할 수 있습니다.

그림 1. Ultralytics Platform 미리 보기 (출처)

아이디어에서 배포까지: Ultralytics Platform의 작동 방식#

컴퓨터 비전 아이디어를 작동하는 시스템으로 전환하려면 데이터를 준비하고 프로덕션에서 모델을 실행하는 등 여러 단계를 거쳐야 합니다. Ultralytics Platform은 이 과정을 명확하고 간단한 파이프라인으로 구성하여 초기 개념에서 배포된 모델까지 쉽게 진행할 수 있도록 지원합니다.

주석 처리: 획기적으로 가속화#

데이터 라벨링은 전통적으로 모든 컴퓨터 비전 프로젝트에서 가장 많은 시간이 소요되는 작업 중 하나였습니다. Ultralytics Platform은 이 작업을 크게 가속화하며 데이터가 어디에 있든 바로 사용할 수 있도록 설계되었습니다.

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

이미지나 동영상에 아직 라벨이 지정되지 않은 경우 기본 제공 주석 편집기를 사용하면 라벨링 작업을 훨씬 빠르게 완료할 수 있습니다. 객체 감지와 인스턴스 세그멘테이션부터 포즈 추정, 방향성 바운딩 박스(OBB) 감지, 이미지 분류까지 모든 주요 컴퓨터 비전 작업을 지원하며, 속도와 정밀도를 모두 고려한 도구를 제공합니다.

이 기능의 핵심은 SAM 3 기반 스마트 주석 처리입니다. Segment Anything Model 3(SAM 3)을 사용하면 객체를 클릭하고 몇 개의 포인트로 조정하여 정밀한 마스크, 바운딩 박스 또는 방향성 박스를 생성할 수 있습니다. 수작업으로 윤곽을 추적하는 데 몇 시간씩 걸리던 작업이 이제 몇 분이면 완료되므로 팀은 개발 속도에 맞춰 고품질 데이터셋을 구축할 수 있습니다.

그림 3. Ultralytics Platform에서 SAM 기반 스마트 주석 처리를 적용한 예시 (출처)

포즈 스켈레톤 템플릿, 키보드 단축키, 인라인 클래스 관리, 실행 취소/다시 실행 기능이 더해져 작업 흐름을 유지할 수 있도록 설계된 주석 처리 환경을 완성합니다.

학습: 손쉽게 강력한 성능 구현#

데이터에 라벨을 지정하면 클릭 한 번으로 학습을 시작할 수 있습니다. Ultralytics YOLO26, YOLO11, 그리고 전체 Ultralytics YOLO 모델 제품군을 기본 지원하며, 클라우드 그래픽 처리 장치(GPUs)를 사용해 플랫폼에서 직접 학습하거나 로컬 하드웨어에서 학습하면서 메트릭을 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 메트릭을 플랫폼으로 스트리밍할 수 있습니다. 모든 실험은 관련 모델을 함께 그룹화하는 프로젝트로 자동 구성되므로 다양한 데이터셋, 파라미터, 구성 설정이 결과에 미치는 영향을 간편하게 추적하고 가장 성능이 뛰어난 모델을 식별할 수 있습니다.

에포크별로 변화하는 손실 곡선, 정밀도, 재현율, 평균 정밀도(mAP)를 모니터링합니다. 혼동 행렬과 정밀도-재현율 곡선을 자세히 살펴보며 모델이 정확히 어느 부분에서 우수한 성능을 보이고 개선할 수 있는지 파악합니다. 여러 실행 결과를 나란히 비교하여 최상의 결과를 제공하는 구성을 찾을 수 있습니다.

그림 2. Ultralytics Platform을 사용한 학습 진행 상황 모니터링 (출처)

Ultralytics Platform은 학습 수명 주기의 주요 단계도 자동으로 관리합니다. 학습 중 체크포인트가 저장되어 가장 성능이 뛰어난 모델과 최종 학습 가중치를 모두 보존합니다. 사전 학습된 모델은 플랫폼 내에서 직접 파인튜닝할 수 있으며, 학습된 모델을 업로드하거나 다운로드하여 다른 환경에서 사용할 수 있으므로 팀은 작업 방식과 위치를 자유롭게 선택할 수 있습니다.

프로비저닝할 인프라가 없습니다. 설정해야 할 별도의 실험 추적 서비스도 없습니다. 라벨링된 데이터에서 실제 환경에 사용할 수 있는 학습된 모델까지 명확하고 효율적인 경로만 제공됩니다.

전 세계에 배포하고 모든 항목을 모니터링합니다#

잘 학습된 모델에는 그에 걸맞은 프로덕션 적용 경로가 필요합니다. Ultralytics Platform이 이를 제공합니다.

먼저 브라우저에서 직접 모델의 추론 결과를 검증합니다. 결과에 확신이 들면 수요에 맞춰 자동 확장되는 전용 엔드포인트를 통해 전 세계 43개 리전에 배포할 수 있으며, 각 엔드포인트에는 애플리케이션 통합에 바로 사용할 수 있는 고유 API 엔드포인트가 제공됩니다.

그림 4. Ultralytics Platform은 전 세계 43개 리전에 걸친 모델 배포를 지원합니다. (출처)

클라우드에 배포하거나 엣지 디바이스에서 모델을 실행해야 하는 경우 모두 Ultralytics Platform은 두 시나리오에 맞춰 설계된 유연한 옵션을 제공합니다. 모든 Ultralytics YOLO 모델은 다양한 환경에서 효율적으로 실행되도록 기본 최적화되어 있어 컴퓨팅 리소스가 제한된 엣지 하드웨어에서도 안정적인 성능을 제공합니다. 플랫폼 외부에서 모델을 실행해야 하는 팀을 위해 Ultralytics는 ONNX, TensorRT, CoreML, TFLite, OpenVINO를 포함한 17개의 검증된 형식으로 내보내기를 지원하므로 클라우드 서비스, 모바일 디바이스, 엣지 시스템 등에서 모델을 기본적으로 실행할 수 있습니다.

모델이 서비스에 배포되면 배포 대시보드에 기본 제공되는 모니터링을 통해 요청량, 지연 시간 메트릭, 오류율, 엔드포인트 상태, 상세 로그 등 프로덕션 성능을 완전히 파악할 수 있습니다. 또한 로그를 검토하고 엔드포인트 상태를 확인하며 시간에 따른 성능을 추적하여 컴퓨터 비전 시스템이 프로덕션에서 안정적으로 실행되도록 지원하고 성능 최적화 기회를 식별할 수 있습니다.

오늘 시작하거나 Ultralytics 문서를 살펴보며 플랫폼의 기능을 자세히 알아보세요.

비전 AI 개발의 대중화#

Ultralytics Platform에 대해 더 알아가면 이 플랫폼의 목표가 컴퓨터 비전 시스템 구축을 위한 도구 제공을 넘어선다는 점을 빠르게 확인할 수 있습니다. 플랫폼은 근본적으로 더 많은 커뮤니티가 비전 AI를 더욱 쉽게 접근하고 편리하게 개발할 수 있도록 설계되었습니다.

역사적으로 AI 시스템을 구축하고 배포하려면 전문 인프라, 복잡한 도구, 상당한 초기 투자가 필요했습니다. 강력한 모델을 더 쉽게 학습할 수 있게 된 이후에도 데이터셋 관리, 실험 실행, 모델 배포, 인프라 유지 관리로 구성된 주변 워크플로는 개인과 소규모 팀이 접근하기에 까다로웠습니다.

Ultralytics Platform은 전체 비전 AI 워크플로를 하나의 환경으로 통합하고 쉽게 시작할 수 있도록 하여 이러한 장벽을 낮춥니다. 신규 사용자는 클라우드 학습을 위한 가입 크레딧과 데이터셋 관리, 주석 처리 도구, 모델 학습, 모델 내보내기 등의 핵심 기능이 포함된 무료 플랜으로 플랫폼 사용을 시작할 수 있습니다.

프로젝트가 성장하면 사용자 또는 엔터프라이즈 고객은 추가 크레딧과 플랫폼 플랜을 통해 컴퓨팅 리소스, 스토리지, 협업 기능, 배포 용량을 확장할 수 있습니다. 이러한 유연한 접근 방식 덕분에 개발자, 연구자, 스타트업, 엔터프라이즈는 소규모로 시작해 자유롭게 실험하고 컴퓨터 비전 시스템을 프로덕션으로 전환하면서 사용량을 확대할 수 있습니다.

접근성 높은 가격 모델과 엔드투엔드 컴퓨터 비전 워크플로를 결합하여 Ultralytics Platform은 더 많은 사람이 실제 비전 AI 애플리케이션을 구축하고 테스트하며 배포할 수 있도록 지원합니다.

핵심 요점#

Ultralytics Platform은 전체 비전 AI 수명 주기를 하나의 강력한 워크스페이스로 통합하여 원시 데이터에서 프로덕션에 바로 사용할 수 있는 비전 AI 시스템까지 더욱 빠르게 전환할 수 있도록 합니다. 주석 처리, 학습, 배포, 모니터링을 위한 기본 제공 도구를 통해 팀은 복잡한 인프라를 관리하지 않고도 Ultralytics YOLO26, Ultralytics YOLO11, Ultralytics YOLO11 및 레거시 YOLO 모델과 같은 모델을 구축하고 배포할 수 있습니다.

첫 번째 모델을 실험하든 대규모로 비전 AI를 배포하든 플랫폼은 여정의 모든 단계를 지원하도록 설계되었습니다.

커뮤니티에 참여하여 제조 분야의 AI와 소매 분야의 비전 AI 같은 혁신을 알아보세요. GitHub 리포지토리를 방문하고 라이선스 옵션을 확인하여 오늘 컴퓨터 비전을 시작해 보세요.