AxeleraYOLO Ultralytics YOLO – Metis AIPU를 활용한 엣지 추론

Axelera AI 소개

Axelera AI는 엣지(Edge) 환경에서 사용 가능한 세계에서 가장 강력하고 진보된 AI 솔루션을 제공하고 있습니다. 업계의 기준을 제시하는 Metis® AI 플랫폼은 엣지 환경에서의 AI 추론을 위한 완벽한 하드웨어 및 소프트웨어 솔루션으로, 컴퓨터 비전 애플리케이션을 그 어느 때보다 접근하기 쉽고 강력하며 사용자 친화적으로 만들어 줍니다.

네덜란드 아인트호벤의 하이테크 캠퍼스 내 AI 혁신 센터에 본사를 둔 Axelera AI는 벨기에, 스위스, 이탈리아, 영국에 연구개발(R&D) 사무소를 두고 있으며, 전 세계 20개국에 진출해 모든 대륙에 고객을 확보하고 있습니다. 이 회사의 AI 소프트웨어 및 하드웨어 전문가 팀은 유수의 AI 기업과 포춘 500대 기업 출신으로 구성되어 있습니다.

Ultralytics YOLO 위해 왜 Axelera를 선택해야 할까요?

탁월한 성능과 효율성을 자랑하는 Ultralytics YOLO 배포하세요

Ultralytics YOLO에 최적화됨

YOLOv8 별도의 수동 설정 없이 바로 사용할 수 있는 완벽한 YOLO .

Edge 네이티브 성능

메티스 AIPU 및 D-IMC 기술: 탁월한 엣지 처리 성능, 최소한의 전력 소비.

실시간 추론

실제 환경과 맞먹는 속도와 신뢰성을 갖춘, 5가지 YOLO 전반에 걸친 온디바이스 추론.

낮은 총소유비용

GPU에 비해 전력 비용은 훨씬 적으면서도 성능 저하가 전혀 없습니다.

간편한 통합

Ultralytics Python 통해 한 번의 단계로 내보내기만 하면 됩니다. 나머지는 Voyager SDK가 처리합니다.

미래에 대비한

Ultralytics YOLO 전체를 완벽하게 지원하며, 새로운 아키텍처가 출시되는 대로 통합됩니다.

기술적 통합

Ultralytics 과 Axelera AI 하드웨어 간의 원활한 통합

Ultralytics YOLOv8

YOLOv8 성능을 YOLOv8 세그멘테이션, 분류, 자세 추정 기능을 새롭게 지원하게 되었습니다.

YOLOv8n

YOLOv8s

YOLOv8m

+22

Ultralytics YOLO11

YOLO11 사용자에게 친숙한 컴퓨터 비전 작업을 YOLO11 , 더 높은 정확도와 정밀도, 그리고 처리 속도를 제공합니다.

YOLO11n

YOLO11s

YOLO11m

+22

Ultralytics YOLO26

YOLO26은 더 가볍고, 더 작으며, 더 빠른 모델로, 나노(nano) 버전은 일반 CPU에서 최대 43% 더 빠른 추론 성능을 제공합니다.

YOLO26n

YOLO26s

YOLO26m

+22

노란색 안전 조끼와 헬멧을 착용한 두 명의 창고 작업자가 쌓여 있는 목재 팔레트를 점검하고 있다.

포도송이에 달린 보라색 포도들이 각각 윤곽선으로 표시되어 있어, 인스턴스 분할을 보여주고 있다.

생산 라인 위에 놓인 병들에 “결함 없음”이라는 라벨이 붙어 있어, 제조 과정에서 자동 결함 검사가 이루어졌음을 나타냅니다.

물가 근처에 있는 얼룩말의 몸에 키포인트가 표시되어 있어, 자세 추정 기능을 보여주고 있다.

트럭과 굴착기가 박스 테두리로 강조 표시된 공중 촬영 현장 사진으로, 물체 탐지 및 추적 기능을 보여줍니다.

메티스 AIPU의 실제 성능

Axelera 하드웨어에서 Ultralytics YOLOFPS, 지연 시간, 정확도, 작업 유형 및 모델 규모별 성능에 대해 자세히 알아보세요.

문서 읽기

Axelera 형식으로 내보내기

from ultralytics import YOLO
# Load a YOLO26 model
model = YOLO("[yolo26n.pt](http://yolo26n.pt)")
# Export to Axelera format
model.export(format="axelera")  # creates 'yolo26n_axelera_model' directory

yolo export model=yolo26n.pt format=axelera

Axelera 모델을 이용한 추론

from ultralytics import YOLO
# Load the exported Axelera model
model = YOLO("yolo26n_axelera_model")
# Run inference
results = model("https://ultralytics.com/images/bus.jpg")
# Process results
for r in results:
    print(f"Detected {len(r.boxes)} objects")
    [r.show](http://r.show)()  # Display results

yolo predict model='yolo26n_axelera_model' source='https://ultralytics.com/images/bus.jpg'

Axelera AI를 통해 효율성을 극대화한 고성능 엣지 AI

Axelera AI 소개

Ultralytics YOLO 위해 왜 Axelera를 선택해야 할까요?

Ultralytics YOLO에 최적화됨

Edge 네이티브 성능

실시간 추론

낮은 총소유비용

간편한 통합

미래에 대비한

종합 솔루션

Ultralytics YOLO로 훈련하세요

Axelera 형식으로 내보내기

Metis AIUP에 배포

기술적 통합

Ultralytics YOLOv8

Ultralytics YOLO11

Ultralytics YOLO26

객체 감지

인스턴스 분할

이미지 분류

자세 추정

경사 바운딩 박스 객체 감지

메티스 AIPU의 실제 성능

Axelera 형식으로 내보내기

Axelera 모델을 이용한 추론

Axelera AI 시작하기

Axelera AI 시작하기

Axelera AI 사례 연구

Axelera AI 블로그

Ultralytics 되세요