Ultralytics YOLO11 모델
효율적인 학습, 배포 및 광범위한 컴퓨터 비전 작업을 위해 설계된 입증된 모델 제품군으로 빠르고 정확한 실시간 비전 AI를 구축하십시오.
YOLO11 모델 제품군
YOLO11은 객체 탐지, 세그멘테이션, 분류, 포즈 추정 및 지향 객체 탐지에 걸쳐 나노(nano)부터 엑스트라 라지(extra-large)까지 5가지 크기로 제공됩니다. 아래의 탐지 벤치마크는 정확도와 속도 범위를 보여주며, 정확도 목표를 충족하는 가장 작은 크기로 시작하여 워크로드에 필요할 때만 규모를 확장하십시오.
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLO11 model
model = YOLO("yolo11n.pt")
# Run inference
results = model("image.jpg")| 모델 | 크기 (px) | mAP 50-95 | CPU ONNX (ms) | T4 TensorRT (ms) | 파라미터 (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLO11n | 640 | 39.5 | 56.1 ± 0.8 | 1.5 ± 0.0 | 2.6 | 6.5 |
| YOLO11s | 640 | 47.0 | 90.0 ± 1.2 | 2.5 ± 0.0 | 9.4 | 21.5 |
| YOLO11m | 640 | 51.5 | 183.2 ± 2.0 | 4.7 ± 0.1 | 20.1 | 68.0 |
| YOLO11l | 640 | 53.4 | 238.6 ± 1.4 | 6.2 ± 0.1 | 25.3 | 86.9 |
| YOLO11x | 640 | 54.7 | 462.8 ± 6.7 | 11.3 ± 0.2 | 56.9 | 194.9 |
Ultralytics 문서의 YOLO11 탐지 벤치마크입니다.
세계 유수의 기업들이 신뢰하는 솔루션
당사 모델의 영향력
당사의 최첨단 비전 AI 모델로 산업 전반의 프로세스를 간소화하십시오. Ultralytics가 제공하는 속도, 정확성 및 사용 편의성을 경험하십시오.
Ultralytics YOLO 모델의 진화
Ultralytics YOLO가 실시간 컴퓨터 비전을 위해 어떻게 YOLO11 및 최신 YOLO26 세대로 진화했는지 확인하십시오.
스마트 주석을 사용하여 최대 10배 더 빠르게 라벨링하십시오.
Ultralytics Platform은 고품질 데이터셋을 더 빠르게 구축할 수 있는 이미지 주석 도구를 제공합니다. 스마트 주석부터 정밀한 수동 편집까지, 이러한 기능은 품질 저하 없이 이미지 라벨링 시간을 줄이도록 설계되었습니다.
- SAM 기반 스마트 주석: 한 번의 클릭으로 마스크와 BBox를 생성합니다.
- 전체 AI 작업 지원: Detection, instance segmentation, semantic segmentation, classification, pose, OBB.
- 범용 형식 지원: YOLO, COCO 등 다양한 옵션을 선택하세요.
- 팀 리뷰 및 버전 관리: 모든 단계에서 원활한 협업을 지원합니다.
최고의 GPU에서 더 저렴하게 학습하십시오
Ampere부터 Blackwell까지 시간당 $0.24부터 시작하는 26개의 NVIDIA GPU를 제공합니다. 추가 비용, 최소 사용량 제한, 약정이 없습니다.
산업별 솔루션 살펴보기
팀들이 프로덕션 환경 전반에서 어떻게 Ultralytics 컴퓨터 비전을 적용하는지 확인하십시오.
농업 분야 AI
자동차 분야 AI
의료 분야 AI
물류 분야 AI
제조 분야 AI
소매 분야 AI
로봇 분야 AI
농업 분야 AI
자동차 분야 AI
의료 분야 AI
물류 분야 AI
제조 분야 AI
소매 분야 AI
로봇 분야 AI
농업 분야 AI
자동차 분야 AI
의료 분야 AI
물류 분야 AI
제조 분야 AI
소매 분야 AI
로봇 분야 AI
자주 묻는 질문
Ultralytics YOLO11은 Ultralytics open-source library를 기반으로 구축된 실시간 컴퓨터 비전 모델 제품군입니다. 이 모델은 학습, 검증, 배포 전반에 걸쳐 일관된 단일 API를 통해 object detection, instance segmentation, image classification, pose estimation 및 oriented object detection을 지원합니다. YOLO11은 이전 세대보다 정확도와 효율성이 향상되었으며, 사용자 정의 데이터셋에 쉽게 파인튜닝할 수 있습니다. 아키텍처 세부 정보, 벤치마크 및 사용 예제는 YOLO11 documentation을 참조하십시오.
YOLO11 모델은 object detection, instance segmentation, image classification, pose estimation, oriented object detection 등 다섯 가지 작업에 사용할 수 있습니다. 모든 작업은 동일한 학습, 검증, 예측 워크플로를 공유합니다.
지연 시간, 메모리, 모델 크기가 가장 중요할 때는 YOLO11n으로 시작하십시오. YOLO11s와 YOLO11m은 대부분의 프로덕션 워크로드에서 속도와 정확성의 균형을 맞춰주며, YOLO11l과 YOLO11x는 더 많은 컴퓨팅 자원을 사용할 수 있을 때 정확도를 우선시합니다. YOLO11 문서에는 각 크기별 벤치마크가 포함되어 있습니다.
Ultralytics 라이브러리의 train mode를 사용하거나 공식 YOLO11 project on Ultralytics Platform을 여십시오. 학습 후에는 모델을 ONNX, TensorRT, CoreML, 또는 LiteRT와 같은 형식으로 export할 수 있습니다.
YOLO11은 여전히 지원되며 널리 배포되는 모델 제품군입니다. Ultralytics YOLO26은 최신 세대이며 신규 프로젝트에 권장되는 시작점입니다. 두 제품군 모두 동일한 API를 공유하므로 YOLO11에서 YOLO26으로 이전하는 것은 모델 변경만으로 충분합니다.
Ultralytics YOLO11으로 빌드하기
Ultralytics Platform을 사용하여 YOLO11 모델을 학습, 검증, 내보내기 및 배포하십시오.