Ultralytics YOLO로 컴퓨터 비전 배우기

실제 이미지와 데이터셋에서 실행 가능한 YOLO26 예제를 활용해 모든 비전 시스템의 작동 원리를 익힙니다. 즉, 작업을 정의하고, Ultralytics YOLO의 7가지 작업 중 하나를 선택하고, 데이터와 라벨을 감사하고, 올바르게 분할하고, 지표를 해석하는 방법을 배웁니다.

학습 전 작업을 위한 실습 중심 가이드입니다. 비즈니스 목표를 승인 테스트로 전환하고, 대표성 있는 데이터를 명세화하고 수집하며, 일관되게 라벨링하고, 스크립트로 품질을 감사하며, 데이터 누출 없이 분할하고, 증강을 조정한 뒤, 준비 상태 점검을 통과해야 첫 Ultralytics YOLO26 파인튜닝을 진행할 수 있습니다.

Ultralytics YOLO26을 새로 설치하는 단계부터 사용자 지정 학습, 검증, 내보내기를 마친 탐지 모델까지 진행합니다. 이미지에 대해 예측하고, 실제 데이터셋을 구성하고, 필(pill) 탐지 모델을 학습하고 진단하며, 추적 기능을 사용해 비디오에서 모델을 실행하고, PyTorch와 일치한다는 증거를 확인하며 ONNX로 내보냅니다. 모든 단계는 실제 출력 결과와 함께 노트북 CPU에서 Python 및 CLI로 실행됩니다. 데이터셋 계획, 수집, 라벨링은 Building High-Performance YOLO Datasets에서 다룹니다.

객체 detection 모델을 학습할 수 있습니다. Ultralytics YOLO는 7가지 비전 작업을 지원하며, 이 과정에서는 detection 이후 가장 자주 접하게 되는 다섯 가지인 인스턴스 및 시맨틱 세그멘테이션, 포즈, 방향 지정 바운딩 박스, 분류를 다룹니다. 라벨 형식과 학습부터 코드에서 결과를 읽고 모델을 연결하는 방법, 작업별 평가 및 내보내기까지 학습합니다. 일곱 번째 작업인 깊이 추정은 작업 계획과 평가 및 내보내기 강의에 포함됩니다.

학습된 Ultralytics YOLO 모델을 프로덕션 환경으로 가져오세요. 런타임을 선택하고, 모델을 내보내 검증하고, 하드웨어에 맞게 최적화하고, 객체를 추적하고, 카운팅 파이프라인을 구축하고, 여러 스트림을 실행하고, 사용자가 알아채기 전에 드리프트를 감지하세요.

Ultralytics Platform에서 실제 탐지 프로젝트를 실행합니다. 예산을 세우고, 데이터를 가져와 라벨링하고, 데이터 분할의 무결성을 확인하고, 학습 및 실행 결과를 비교하고, 전용 엔드포인트를 배포하고, 정확도를 모니터링하고, 재학습 루프를 자동화합니다.