업계 리더들이 신뢰하는 기술
YOLO26 추론 테스트
이미지를 드래그 앤 드롭하여 실시간 객체 감지를 확인하십시오
입력 이미지
이미지를 업로드하거나 예시를 선택하여 테스트하십시오 yolo26n. 예측 문서
여기에 이미지를 드롭하십시오
또는 클릭하여 탐색
JPEG, PNG, WebP, AVIF, HEIC, JP2, TIFF, BMP 등을 지원합니다 (최대 10MB)
신뢰도
0.25
IoU
0.70
이미지 크기
640
API 문서
모델을 배포하여 API 키 인증이 포함된 전용 추론 엔드포인트를 확보하십시오. 그 후 아래의 자리 표시자 URL과 키를 배포 값으로 교체하십시오. 배포 문서
참고: 이것은 예제 코드입니다. 먼저 모델을 배포하여 엔드포인트 URL과 API 키를 받으십시오.
import requests
# Replace with your deployment URL and API key
url = "https://your-deployment-url.run.app/predict"
api_key = "YOUR_API_KEY"
# Optional inference parameters (conf, iou, imgsz)
args = {"conf": 0.25, "iou": 0.7, "imgsz": 640}
with open("image.jpg", "rb") as f:
response = requests.post(
url,
headers={"Authorization": f"Bearer {api_key}"},
data=args,
files={"file": f},
)
print(response.json())Ultralytics YOLO26의 주요 개선 사항
최대 43% 더 빠른 CPU 추론
GPU가 없는 기기에서도 실시간 성능을 발휘하며 엣지 및 제한적인 환경을 위해 특별히 제작되었습니다.
NMS가 필요 없는 엔드투엔드 추론
후처리 단계 없이 예측 결과가 직접 생성됩니다. 지연 시간이 줄어들고 배포가 더 간단해집니다.
DFL 미사용, 더 폭넓은 하드웨어 호환성
Distribution Focal Loss(DFL)를 제거하여 내보내기 과정을 단순화하고 엣지 기기 호환성을 넓혔습니다.
MuSGD: 더 똑똑한 옵티마이저
더 안정적인 학습을 위해 LLM 학습의 발전을 반영하여 SGD와 Muon을 결합한 하이브리드 옵티마이저입니다.
한눈에 보는 Ultralytics YOLO 모델
최신 Ultralytics YOLO 모델 제품군의 속도, 정확도 및 지원되는 비전 작업을 비교해 보세요.
| 기능 |  |  |  |  |
|---|---|---|---|---|
| 속도 이미지 처리 시간 | 1.06 ms | 0.99 ms | 1.5 ms | 1.7 ms |
| 정확도 mAP50-95 | 34.3% | 37.3% | 39.5% | 40.9% |
| 객체 탐지 | ||||
| 인스턴스 분할 | - | |||
| 시맨틱 세그멘테이션 | - | - | ||
| 깊이 추정 | - | - | - | |
| 이미지 분류 | - | |||
| 자세 추정 | - | |||
| OBB 탐지 | - |
왜 Ultralytics YOLO26을 선택해야 할까요?
엣지 및 클라우드를 위한 설계
CPU, GPU 및 엣지 하드웨어에서 효율적으로 실행됩니다. 20개 형식으로 내보내어 어디서나 배포하세요.
최대 43% 더 빠른 CPU 추론
정확도 저하 없이 리소스가 제한된 기기에서 실시간 비전 AI를 구현합니다.
YOLOE-26을 사용한 오픈 월드 탐지
텍스트 프롬프트, 시각적 프롬프트 또는 프롬프트 없는 추론을 사용하여 고정된 범주를 넘어선 탐지가 가능합니다.
원활한 통합
YOLO26은 YOLOv8 및 YOLO11과 동일한 익숙한 인터페이스를 따르므로 별도의 학습 과정이 필요하지 않습니다.
글로벌 커뮤니티의 지원
전담 지원 채널, 활발한 포럼 및 정기적인 업데이트를 통해 프로젝트를 원활하게 진행할 수 있습니다.
명확한 라이선스
AGPL-3.0 및 Enterprise 라이선스를 통해 학술, 오픈 소스 및 상업적 용도에 유연한 옵션을 제공합니다.
실제 작동하는 모델 확인하기
Glacier Robotics는 미국 재활용 시설 전반에서 PET 누출을 70% 감소시켰습니다.
Glacier Robotics가 어떻게 Ultralytics YOLO11을 사용하여 PET 누출을 70% 줄이고 재활용 정확도를 개선하며 폐기물 분류를 자동화하는지 확인해 보십시오.
SOHGA, Ultralytics YOLO를 통해 주차 모니터링 시간 30% 단축
SOHGA의 MEGURU 시스템이 Ultralytics YOLO26을 사용하여 주차장 순찰을 자동화하고, 순찰 시간을 30% 단축하며, 안전성을 향상시키는 방법을 알아보십시오.
Scaleout, Ultralytics YOLO를 활용해 모델 업데이트 시간을 수주에서 수 시간으로 단축
Scaleout이 Ultralytics YOLO와 연합 학습(federated learning)을 사용하여 민감한 데이터를 안전하게 보호하면서 엣지 디바이스에서 AI 모델을 파인튜닝하는 방법을 알아보십시오.
RapiD Engineering은 Ultralytics YOLO를 통해 해산물 품질 관리 배포 시간을 1주일 단축했습니다
RapiD Engineering이 어떻게 Ultralytics YOLO를 사용하여 연어 검사를 자동화하고, 실시간으로 결함을 감지하며, 1주일 분량의 엔지니어링 작업을 절감했는지 확인해 보십시오.
Project Ocean Oasis가 Ultralytics YOLO로 산호초 보존을 촉진합니다.
Project Ocean Oasis가 Ultralytics YOLO, 엣지 AI, 그리고 자율 모니터링 시스템을 사용하여 어떻게 산호초 보존과 해양 인텔리전스를 확장하는지 확인해 보십시오.
Volley, Ultralytics YOLO 기반의 250개 이상의 코트 내 AI 트레이너 운영
"정말 좋은 점은 모델이 엣지 하드웨어에서 실시간으로 매우 잘 작동하며, 클라우드에서도 동일한 모델을 사용하여 완전히 동일한 워크플로우를 실행할 수 있다는 것입니다."
WG Tech Solutions, Ultralytics YOLO와 Axelera의 AI Accelerator로 안전 위반 사례 28% 절감
WG Tech Solutions가 Ultralytics YOLO와 Axelera의 AI Accelerator를 활용하여 제조 현장의 안전 위반 사례를 28% 감소시킨 방법을 알아보세요.
Stride, Ultralytics YOLO로 1분 내 말 보행 분석 서비스 제공
Stride가 말 자세 추정을 위해 Ultralytics YOLO 모델을 활용하여 1분 이내에 전체 보행 분석을 완료하는 방법을 알아보세요.
Pixelabs, Ultralytics YOLO 기반 자동화로 95% 재현율 달성
Pixelabs가 워크플로우를 자동화하고 95%의 재현율을 달성하기 위해 Ultralytics YOLO 모델을 어떻게 활용하는지 알아보세요.
SiteAssist, Ultralytics YOLO를 통해 77만 개 이상의 이미지를 처리하여 현장 안전 개선
SiteAssist가 건설 현장 안전을 개선하기 위해 Ultralytics YOLO 모델을 어떻게 활용하는지 알아보세요.
Chef Robotics, Ultralytics YOLO를 사용하여 식품 손실 67% 절감
Chef Robotics가 정밀한 식품 조립을 위해 어떻게 Ultralytics YOLO 모델을 사용하는지 살펴보세요.
Cali Intelligence, Ultralytics YOLO로 결제 대기열 43% 단축
Cali Intelligence가 객체 탐지를 통해 소매점 결제 대기열을 어떻게 줄이는지 살펴보세요.
MarineSitu, Ultralytics YOLO를 사용하여 수중 모니터링 가동 시간 96% 이상 달성
MarineSitu가 수중 객체 탐지를 혁신하기 위해 어떻게 Ultralytics YOLO를 사용하는지 알아보세요.
Theia Scientific, Ultralytics YOLO로 현미경 분석 속도 43배 향상
Theia Scientific이 Ultralytics YOLO를 사용하여 현미경 데이터 분석을 어떻게 재정의하는지 알아보세요.
eSmart Systems, Ultralytics YOLO로 송전선 검사 시간 절반으로 단축
eSmart Systems가 결함 탐지 속도를 높이고 유틸리티 검사를 혁신하기 위해 Ultralytics YOLO를 어떻게 사용하는지 알아보세요.
Axelera AI는 Ultralytics YOLO를 사용하여 34 FPS 에지 AI 추론을 제공합니다
Axelera AI가 어떻게 Ultralytics YOLO를 사용하여 Metis AI 칩에서 빠르고 정확하며 효율적인 에지 비전을 제공하는지 알아보십시오.
STMicroelectronics는 MCU에서 추론당 단 9.4 mJ로 Ultralytics YOLO를 실행합니다
STMicroelectronics가 저전력 마이크로컨트롤러에 Ultralytics YOLO 모델을 효율적으로 배포하여 엣지에서 정확한 실시간 추론을 수행하는 방법을 알아보세요.
Specialvideo, Ultralytics YOLO로 식품 검사 정확도 99% 달성
Specialvideo가 실시간 AI 식품 검사를 강화하여 품질 보장, 폐기물 감소 및 효율성 향상을 위해 어떻게 Ultralytics YOLO 모델을 사용하는지 알아보세요.
Vivity AI, Ultralytics YOLO로 연간 500만 달러 이상의 산업 운영 비용 절감
Vivity AI가 Ultralytics YOLO 모델을 활용하여 산업 자동화를 강화하고 효율성을 높이며 다운타임을 줄이고 작업장 안전을 보장하는 방법을 알아보세요.
Videologic Analytics, Ultralytics YOLO로 1만 개의 AI 카메라 라이선스로 확장
Videologic Analytics가 Ultralytics YOLO 모델을 통합하여 비디오 감시를 강화하고, 탐지 정확도를 개선하며, 오경보를 줄이고, 실시간 위협 모니터링을 최적화하는 방법을 알아보세요.
Prezent, Ultralytics YOLO로 슬라이드 탐지 정확도 34% 향상
Prezent가 슬라이드 요소 탐지를 자동화하여 구조와 디자인을 유지하면서 처리 시간을 10초 미만으로 단축하기 위해 어떻게 Ultralytics YOLO 모델을 활용하는지 알아보세요.
ALYCE, Ultralytics YOLO로 교통 AI 추론 속도 20% 향상
ALYCE가 지속 가능하고 스마트한 도시를 위해 어떻게 Ultralytics YOLO 모델을 사용하여 데이터 정확도를 높이고 도시 이동성을 최적화하며 AI 기반 교통 솔루션을 구축하는지 알아보세요.
Kiwitron, Ultralytics YOLO를 사용하여 30m 거리의 산업 위험 요소 탐지
Kiwitron이 KewiEye 솔루션에서 산업 현장의 위험 요소를 탐지하고 해결하여 안전성을 높이기 위해 어떻게 Ultralytics YOLO 모델을 사용하는지 알아보세요.
Glacier Robotics는 미국 재활용 시설 전반에서 PET 누출을 70% 감소시켰습니다.
Glacier Robotics가 어떻게 Ultralytics YOLO11을 사용하여 PET 누출을 70% 줄이고 재활용 정확도를 개선하며 폐기물 분류를 자동화하는지 확인해 보십시오.
SOHGA, Ultralytics YOLO를 통해 주차 모니터링 시간 30% 단축
SOHGA의 MEGURU 시스템이 Ultralytics YOLO26을 사용하여 주차장 순찰을 자동화하고, 순찰 시간을 30% 단축하며, 안전성을 향상시키는 방법을 알아보십시오.
Scaleout, Ultralytics YOLO를 활용해 모델 업데이트 시간을 수주에서 수 시간으로 단축
Scaleout이 Ultralytics YOLO와 연합 학습(federated learning)을 사용하여 민감한 데이터를 안전하게 보호하면서 엣지 디바이스에서 AI 모델을 파인튜닝하는 방법을 알아보십시오.
RapiD Engineering은 Ultralytics YOLO를 통해 해산물 품질 관리 배포 시간을 1주일 단축했습니다
RapiD Engineering이 어떻게 Ultralytics YOLO를 사용하여 연어 검사를 자동화하고, 실시간으로 결함을 감지하며, 1주일 분량의 엔지니어링 작업을 절감했는지 확인해 보십시오.
Project Ocean Oasis가 Ultralytics YOLO로 산호초 보존을 촉진합니다.
Project Ocean Oasis가 Ultralytics YOLO, 엣지 AI, 그리고 자율 모니터링 시스템을 사용하여 어떻게 산호초 보존과 해양 인텔리전스를 확장하는지 확인해 보십시오.
Volley, Ultralytics YOLO 기반의 250개 이상의 코트 내 AI 트레이너 운영
"정말 좋은 점은 모델이 엣지 하드웨어에서 실시간으로 매우 잘 작동하며, 클라우드에서도 동일한 모델을 사용하여 완전히 동일한 워크플로우를 실행할 수 있다는 것입니다."
WG Tech Solutions, Ultralytics YOLO와 Axelera의 AI Accelerator로 안전 위반 사례 28% 절감
WG Tech Solutions가 Ultralytics YOLO와 Axelera의 AI Accelerator를 활용하여 제조 현장의 안전 위반 사례를 28% 감소시킨 방법을 알아보세요.
Stride, Ultralytics YOLO로 1분 내 말 보행 분석 서비스 제공
Stride가 말 자세 추정을 위해 Ultralytics YOLO 모델을 활용하여 1분 이내에 전체 보행 분석을 완료하는 방법을 알아보세요.
Pixelabs, Ultralytics YOLO 기반 자동화로 95% 재현율 달성
Pixelabs가 워크플로우를 자동화하고 95%의 재현율을 달성하기 위해 Ultralytics YOLO 모델을 어떻게 활용하는지 알아보세요.
SiteAssist, Ultralytics YOLO를 통해 77만 개 이상의 이미지를 처리하여 현장 안전 개선
SiteAssist가 건설 현장 안전을 개선하기 위해 Ultralytics YOLO 모델을 어떻게 활용하는지 알아보세요.
Chef Robotics, Ultralytics YOLO를 사용하여 식품 손실 67% 절감
Chef Robotics가 정밀한 식품 조립을 위해 어떻게 Ultralytics YOLO 모델을 사용하는지 살펴보세요.
Cali Intelligence, Ultralytics YOLO로 결제 대기열 43% 단축
Cali Intelligence가 객체 탐지를 통해 소매점 결제 대기열을 어떻게 줄이는지 살펴보세요.
MarineSitu, Ultralytics YOLO를 사용하여 수중 모니터링 가동 시간 96% 이상 달성
MarineSitu가 수중 객체 탐지를 혁신하기 위해 어떻게 Ultralytics YOLO를 사용하는지 알아보세요.
Theia Scientific, Ultralytics YOLO로 현미경 분석 속도 43배 향상
Theia Scientific이 Ultralytics YOLO를 사용하여 현미경 데이터 분석을 어떻게 재정의하는지 알아보세요.
eSmart Systems, Ultralytics YOLO로 송전선 검사 시간 절반으로 단축
eSmart Systems가 결함 탐지 속도를 높이고 유틸리티 검사를 혁신하기 위해 Ultralytics YOLO를 어떻게 사용하는지 알아보세요.
Axelera AI는 Ultralytics YOLO를 사용하여 34 FPS 에지 AI 추론을 제공합니다
Axelera AI가 어떻게 Ultralytics YOLO를 사용하여 Metis AI 칩에서 빠르고 정확하며 효율적인 에지 비전을 제공하는지 알아보십시오.
STMicroelectronics는 MCU에서 추론당 단 9.4 mJ로 Ultralytics YOLO를 실행합니다
STMicroelectronics가 저전력 마이크로컨트롤러에 Ultralytics YOLO 모델을 효율적으로 배포하여 엣지에서 정확한 실시간 추론을 수행하는 방법을 알아보세요.
Specialvideo, Ultralytics YOLO로 식품 검사 정확도 99% 달성
Specialvideo가 실시간 AI 식품 검사를 강화하여 품질 보장, 폐기물 감소 및 효율성 향상을 위해 어떻게 Ultralytics YOLO 모델을 사용하는지 알아보세요.
Vivity AI, Ultralytics YOLO로 연간 500만 달러 이상의 산업 운영 비용 절감
Vivity AI가 Ultralytics YOLO 모델을 활용하여 산업 자동화를 강화하고 효율성을 높이며 다운타임을 줄이고 작업장 안전을 보장하는 방법을 알아보세요.
Videologic Analytics, Ultralytics YOLO로 1만 개의 AI 카메라 라이선스로 확장
Videologic Analytics가 Ultralytics YOLO 모델을 통합하여 비디오 감시를 강화하고, 탐지 정확도를 개선하며, 오경보를 줄이고, 실시간 위협 모니터링을 최적화하는 방법을 알아보세요.
Prezent, Ultralytics YOLO로 슬라이드 탐지 정확도 34% 향상
Prezent가 슬라이드 요소 탐지를 자동화하여 구조와 디자인을 유지하면서 처리 시간을 10초 미만으로 단축하기 위해 어떻게 Ultralytics YOLO 모델을 활용하는지 알아보세요.
ALYCE, Ultralytics YOLO로 교통 AI 추론 속도 20% 향상
ALYCE가 지속 가능하고 스마트한 도시를 위해 어떻게 Ultralytics YOLO 모델을 사용하여 데이터 정확도를 높이고 도시 이동성을 최적화하며 AI 기반 교통 솔루션을 구축하는지 알아보세요.
Kiwitron, Ultralytics YOLO를 사용하여 30m 거리의 산업 위험 요소 탐지
Kiwitron이 KewiEye 솔루션에서 산업 현장의 위험 요소를 탐지하고 해결하여 안전성을 높이기 위해 어떻게 Ultralytics YOLO 모델을 사용하는지 알아보세요.
Glacier Robotics는 미국 재활용 시설 전반에서 PET 누출을 70% 감소시켰습니다.
Glacier Robotics가 어떻게 Ultralytics YOLO11을 사용하여 PET 누출을 70% 줄이고 재활용 정확도를 개선하며 폐기물 분류를 자동화하는지 확인해 보십시오.
SOHGA, Ultralytics YOLO를 통해 주차 모니터링 시간 30% 단축
SOHGA의 MEGURU 시스템이 Ultralytics YOLO26을 사용하여 주차장 순찰을 자동화하고, 순찰 시간을 30% 단축하며, 안전성을 향상시키는 방법을 알아보십시오.
Scaleout, Ultralytics YOLO를 활용해 모델 업데이트 시간을 수주에서 수 시간으로 단축
Scaleout이 Ultralytics YOLO와 연합 학습(federated learning)을 사용하여 민감한 데이터를 안전하게 보호하면서 엣지 디바이스에서 AI 모델을 파인튜닝하는 방법을 알아보십시오.
RapiD Engineering은 Ultralytics YOLO를 통해 해산물 품질 관리 배포 시간을 1주일 단축했습니다
RapiD Engineering이 어떻게 Ultralytics YOLO를 사용하여 연어 검사를 자동화하고, 실시간으로 결함을 감지하며, 1주일 분량의 엔지니어링 작업을 절감했는지 확인해 보십시오.
Project Ocean Oasis가 Ultralytics YOLO로 산호초 보존을 촉진합니다.
Project Ocean Oasis가 Ultralytics YOLO, 엣지 AI, 그리고 자율 모니터링 시스템을 사용하여 어떻게 산호초 보존과 해양 인텔리전스를 확장하는지 확인해 보십시오.
Volley, Ultralytics YOLO 기반의 250개 이상의 코트 내 AI 트레이너 운영
"정말 좋은 점은 모델이 엣지 하드웨어에서 실시간으로 매우 잘 작동하며, 클라우드에서도 동일한 모델을 사용하여 완전히 동일한 워크플로우를 실행할 수 있다는 것입니다."
WG Tech Solutions, Ultralytics YOLO와 Axelera의 AI Accelerator로 안전 위반 사례 28% 절감
WG Tech Solutions가 Ultralytics YOLO와 Axelera의 AI Accelerator를 활용하여 제조 현장의 안전 위반 사례를 28% 감소시킨 방법을 알아보세요.
Stride, Ultralytics YOLO로 1분 내 말 보행 분석 서비스 제공
Stride가 말 자세 추정을 위해 Ultralytics YOLO 모델을 활용하여 1분 이내에 전체 보행 분석을 완료하는 방법을 알아보세요.
Pixelabs, Ultralytics YOLO 기반 자동화로 95% 재현율 달성
Pixelabs가 워크플로우를 자동화하고 95%의 재현율을 달성하기 위해 Ultralytics YOLO 모델을 어떻게 활용하는지 알아보세요.
SiteAssist, Ultralytics YOLO를 통해 77만 개 이상의 이미지를 처리하여 현장 안전 개선
SiteAssist가 건설 현장 안전을 개선하기 위해 Ultralytics YOLO 모델을 어떻게 활용하는지 알아보세요.
Chef Robotics, Ultralytics YOLO를 사용하여 식품 손실 67% 절감
Chef Robotics가 정밀한 식품 조립을 위해 어떻게 Ultralytics YOLO 모델을 사용하는지 살펴보세요.
Cali Intelligence, Ultralytics YOLO로 결제 대기열 43% 단축
Cali Intelligence가 객체 탐지를 통해 소매점 결제 대기열을 어떻게 줄이는지 살펴보세요.
MarineSitu, Ultralytics YOLO를 사용하여 수중 모니터링 가동 시간 96% 이상 달성
MarineSitu가 수중 객체 탐지를 혁신하기 위해 어떻게 Ultralytics YOLO를 사용하는지 알아보세요.
Theia Scientific, Ultralytics YOLO로 현미경 분석 속도 43배 향상
Theia Scientific이 Ultralytics YOLO를 사용하여 현미경 데이터 분석을 어떻게 재정의하는지 알아보세요.
eSmart Systems, Ultralytics YOLO로 송전선 검사 시간 절반으로 단축
eSmart Systems가 결함 탐지 속도를 높이고 유틸리티 검사를 혁신하기 위해 Ultralytics YOLO를 어떻게 사용하는지 알아보세요.
Axelera AI는 Ultralytics YOLO를 사용하여 34 FPS 에지 AI 추론을 제공합니다
Axelera AI가 어떻게 Ultralytics YOLO를 사용하여 Metis AI 칩에서 빠르고 정확하며 효율적인 에지 비전을 제공하는지 알아보십시오.
STMicroelectronics는 MCU에서 추론당 단 9.4 mJ로 Ultralytics YOLO를 실행합니다
STMicroelectronics가 저전력 마이크로컨트롤러에 Ultralytics YOLO 모델을 효율적으로 배포하여 엣지에서 정확한 실시간 추론을 수행하는 방법을 알아보세요.
Specialvideo, Ultralytics YOLO로 식품 검사 정확도 99% 달성
Specialvideo가 실시간 AI 식품 검사를 강화하여 품질 보장, 폐기물 감소 및 효율성 향상을 위해 어떻게 Ultralytics YOLO 모델을 사용하는지 알아보세요.
Vivity AI, Ultralytics YOLO로 연간 500만 달러 이상의 산업 운영 비용 절감
Vivity AI가 Ultralytics YOLO 모델을 활용하여 산업 자동화를 강화하고 효율성을 높이며 다운타임을 줄이고 작업장 안전을 보장하는 방법을 알아보세요.
Videologic Analytics, Ultralytics YOLO로 1만 개의 AI 카메라 라이선스로 확장
Videologic Analytics가 Ultralytics YOLO 모델을 통합하여 비디오 감시를 강화하고, 탐지 정확도를 개선하며, 오경보를 줄이고, 실시간 위협 모니터링을 최적화하는 방법을 알아보세요.
Prezent, Ultralytics YOLO로 슬라이드 탐지 정확도 34% 향상
Prezent가 슬라이드 요소 탐지를 자동화하여 구조와 디자인을 유지하면서 처리 시간을 10초 미만으로 단축하기 위해 어떻게 Ultralytics YOLO 모델을 활용하는지 알아보세요.
ALYCE, Ultralytics YOLO로 교통 AI 추론 속도 20% 향상
ALYCE가 지속 가능하고 스마트한 도시를 위해 어떻게 Ultralytics YOLO 모델을 사용하여 데이터 정확도를 높이고 도시 이동성을 최적화하며 AI 기반 교통 솔루션을 구축하는지 알아보세요.
Kiwitron, Ultralytics YOLO를 사용하여 30m 거리의 산업 위험 요소 탐지
Kiwitron이 KewiEye 솔루션에서 산업 현장의 위험 요소를 탐지하고 해결하여 안전성을 높이기 위해 어떻게 Ultralytics YOLO 모델을 사용하는지 알아보세요.
자주 묻는 질문
YOLO26은 TensorRT, ONNX, CoreML, TFLite 및 OpenVINO로의 내보내기를 지원하여 가장 일반적인 엣지 배포 대상을 포괄합니다. NMS가 없는 아키텍처는 통합 과정의 번거로움을 줄이고 즉시 낮은 지연 시간을 제공합니다.
네. YOLO26은 이전 Ultralytics YOLO 릴리스와 동일한 인터페이스를 따르므로 마이그레이션이 간편합니다. YOLO26 모델 가중치로 교체하기만 하면 됩니다.
객체 탐지, 인스턴스 분할, 의미론적 분할, 이미지 분류, 자세 추정 및 지향성 객체 탐지를 모두 단일 통합 모델 제품군에서 지원합니다.
나노(n) 변형은 엣지 및 CPU 제한 디바이스에 이상적입니다. 스몰(s) 및 미디엄(m) 변형은 대부분의 애플리케이션에서 속도와 정확성의 뛰어난 균형을 제공합니다. 라지(l) 및 엑스트라 라지(x) 변형은 까다로운 워크로드에 대해 최대의 정확도를 제공합니다.
YOLO26은 더 간단한 내보내기를 위해 DFL을 제거하고, 더 빠른 엔드투엔드 추론을 위해 NMS를 없애며, ProgLoss + STAL을 통해 소형 객체 정확도를 개선하고, 더 안정적인 학습을 위한 MuSGD 옵티마이저를 도입하여 CPU 추론 속도를 최대 43% 향상시킵니다.
Ultralytics YOLO를 시작하십시오!
어노테이션부터 배포까지, 귀하와 함께 확장되는 비전 AI 솔루션을 구축하십시오.