엣지 디바이스에 Ultralytics YOLO26을 어떻게 배포합니까?

YOLO26은 TensorRT, ONNX, CoreML, TFLite 및 OpenVINO로 내보내기를 지원하여 가장 일반적인 엣지 배포 대상을 지원합니다. NMS가 필요 없는 아키텍처 덕분에 통합 과정의 번거로움이 줄어들고 기본적으로 지연 시간이 낮습니다.

Ultralytics YOLO26은 기존 YOLO 워크플로와 호환됩니까?

예. YOLO26은 이전 Ultralytics YOLO 릴리스와 동일한 인터페이스를 따르므로 쉽게 마이그레이션할 수 있습니다. YOLO26 모델 가중치로 간단히 교체하면 됩니다.

Ultralytics YOLO26은 어떤 작업을 지원합니까?

객체 탐지, 인스턴스 세그멘테이션, 시맨틱 세그멘테이션, 이미지 분류, 포즈 추정 및 방향성 객체 탐지를 하나의 통합 모델 제품군에서 모두 제공합니다.

어떤 Ultralytics YOLO26 모델 크기를 사용해야 합니까?

nano (n) 변형은 엣지 디바이스와 CPU 리소스가 제한된 디바이스에 적합합니다. small (s) 및 medium (m) 변형은 대부분의 애플리케이션에서 속도와 정확도의 균형이 뛰어납니다. large (l) 및 extra-large (x) 변형은 까다로운 워크로드에서 최고의 정확도를 제공합니다.

YOLO11과 비교했을 때 Ultralytics YOLO26의 주요 개선 사항은 무엇입니까?

YOLO26은 더 간단한 내보내기를 위해 DFL을 제거하고, 엔드투엔드 추론을 가속화하기 위해 NMS를 없앴으며, ProgLoss + STAL로 소형 객체 정확도를 향상하고, 더욱 안정적인 학습을 위해 MuSGD 옵티마이저를 도입했으며, CPU 추론 속도를 최대 43% 향상합니다.

Ultralytics YOLO

★★★★★5/5

Ultralytics YOLO26 모델

엣지 및 저전력 디바이스를 위해 처음부터 설계된 Ultralytics YOLO26은 더 깔끔하고 단순한 아키텍처로 최대 43% 더 빠른 CPU 추론을 제공하며 실시간 비전 AI의 새로운 표준을 제시합니다.

시작하기

업계 리더들이 신뢰합니다

YOLO26 추론 사용해 보기

이미지를 끌어다 놓아 실시간 객체 감지를 확인하세요

입력 이미지

이미지를 업로드하거나 예시를 선택하여 테스트하세요 YOLO26n. 예측 문서

라이브 데모

여기에 이미지를 놓으세요

또는 클릭하여 찾아보세요

JPEG, PNG, WebP, AVIF, HEIC, JP2, TIFF, BMP 등 지원 (최대 10MB)

또는 예시를 시도하세요

신뢰도

0.25

IoU

0.70

이미지 크기

640

API 문서

모델을 배포하여 API key 인증이 적용된 전용 추론 엔드포인트를 가져온 다음, 아래의 자리 표시자 URL과 key를 배포 값으로 교체하세요. 배포 문서

참고: 이 코드는 예시입니다. 먼저 모델을 배포하여 엔드포인트 URL과 API key를 가져오세요.

import requests

# 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 디바이스에서도 실시간 성능을 제공하며, 엣지 및 리소스가 제한된 환경을 위해 특별히 설계되었습니다.

NMS가 필요 없는 엔드투엔드 추론
후처리 단계 없이 예측을 직접 생성합니다. 지연 시간이 줄어들고 배포가 간소화됩니다.

DFL 제거로 더욱 폭넓어진 하드웨어 호환성
Distribution Focal Loss를 제거하여 내보내기 과정이 간소화되고 엣지 디바이스 호환성이 향상됩니다.

MuSGD: 더욱 스마트한 옵티마이저
SGD와 Muon을 결합한 하이브리드 방식으로, LLM 학습의 발전에서 영감을 얻어 더욱 안정적인 학습을 지원합니다.

한눈에 보는 Ultralytics YOLO 모델

최신 Ultralytics YOLO 모델 제품군을 속도, 정확도 및 지원되는 비전 작업 전반에서 비교해 보세요.

기능
속도 이미지 처리 시간	0.54 밀리초	0.47 밀리초	0.56 밀리초	0.67 밀리초	0.62 밀리초
정확도 mAP50-95	34.3%	37.3%	39.5%	40.9%	42.3%
객체 감지
인스턴스 세그멘테이션	-
시맨틱 세그멘테이션	-		-
깊이 추정	-	-	-
이미지 분류	-
포즈 추정	-
OBB 검출	-