수백만 명에게 실시간 객체 탐지를 제공한 릴리스 — PyTorch 기반이며 빠르고, 학습하기 매우 쉽습니다.
탐지, 세그멘테이션, 분류, 포즈 추정, 방향성 바운딩 박스를 위한 통합 프레임워크.
더 적은 파라미터로 더 높은 정확도를 제공하는 개선된 아키텍처로, Ultralytics YOLO Vision 2024에서 공개되었습니다.
현재 권장되는 모델 — 모든 비전 작업에서 더 빠르고 정확하며 프로덕션에 즉시 투입 가능합니다.
데이터 주석 작업, YOLO 모델 학습, 그리고 42개 글로벌 지역에 걸친 배포를 한곳에서 처리할 수 있는 엔드투엔드 플랫폼입니다.
첫 번째 시맨틱 세그멘테이션 모델 — 전체 장면 이해를 위한 픽셀 단위의 정밀한 클래스 라벨링을 제공합니다.
Ultralytics Python 패키지와 일치하도록 설계된 API 뒤에서 ONNX Runtime을 기반으로 모델을 실행하는, Rust로 작성된 고성능 YOLO 추론 라이브러리 및 CLI입니다.
서버와 Python 없이 브라우저에서 직접 YOLO 모델을 실행합니다. WebAssembly로 컴파일된 Rust 크레이트를 기반으로 하는 소형 TypeScript API를 통해, CPU 및 wasm 자동 폴백 기능과 함께 WebGPU 위에서 실행됩니다.
YOLO26을 뒷받침하는 연구 논문 — NMS 없는 엔드투엔드 설계, 새로운 MuSGD 옵티마이저, 그리고 5가지 모든 모델 규모에서 최첨단 정확도와 지연 시간 간의 균형을 상세히 설명합니다.
더 빠르고 정확한 다중 객체 트래킹 — 실제 비디오 환경에서 가려짐(occlusion)이나 혼잡한 상황에서도 일관성 있는 객체 식별이 가능합니다.
- Re-ID — 재식별 기술을 통해 카메라 간 이동이나 가려짐 발생 후에도 객체 식별 일관성을 유지합니다
내장된 지식 증류(knowledge distillation)는 대형 교사(teacher) 모델을 더 작고 빠른 학생(student) 모델로 압축하며, 효율적인 엣지 및 실시간 배포를 위해 정확도를 유지하도록 돕습니다.
YOLO26 depth 모델은 단일 RGB 카메라에서 픽셀 단위의 정밀한 거리 맵을 예측하여, 특수 거리 센서나 라이다 없이도 3D 공간 인식을 가능하게 합니다.
Ultralytics YOLO 비전 2026
Ultralytics YOLO Vision 2026에서 라이브로 공개된 차세대 플래그십 YOLO로, 패밀리를 비전-언어 영역으로 확장합니다:
- YOLO-VLM — 효율적인 비전-언어 파이프라인을 위해 더 깊은 LLM 계층을 지원하는 경량 YOLO 프런트엔드
iOS 27 및 macOS 27이 정식 출시된 후 YOLO 모델을 Core AI 런타임을 위한 Apple의 새로운 .aimodel 형식으로 내보내되, 더 광범위한 기기 호환성을 위해 Core ML을 유지합니다.
올해 남은 기간 동안 Platform을 이끌어갈 세 가지 제품 중점 영역은 다음과 같습니다:
- Auto-Training — 각 학습 실행을 자동으로 진단하고 연속적인 라운드에 걸쳐 구성을 개선하여 정확도를 높이는 반복적인 LLM 기반 학습 분석
- On-Premise — 귀하의 인프라 내에서 Platform을 실행하여 데이터와 학습을 완전히 귀하의 통제하에 유지
- Monitoring — 성능을 추적하고, 드리프트를 감지하며, 배포 환경을 건강하게 유지하기 위한 프로덕션 모델 모니터링
2027년 내내 YOLO 제품군에 새로운 기능이 추가될 예정입니다:
- YOLO-OCR — 빠르고 정확한 텍스트 인식
- YOLO-Face — 얼굴 인식 및 분석
- YOLO-Stereo3D — 로보틱스를 위한 양안 카메라 쌍 기반의 스테레오 3D 탐지 기술로, 라이다(lidar)를 대체할 수 있는 카메라 네이티브 방식입니다.