Ultralytics YOLO11 모델

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 및 oriented object detection의 5가지 작업을 지원합니다. 모든 작업은 동일한 학습, 검증 및 예측 워크플로우를 공유하므로 코드를 변경하는 대신 모델 가중치를 변경하여 작업 간에 전환할 수 있습니다.

모바일이나 에지 장치와 같이 지연 시간, 메모리 및 모델 크기가 가장 중요한 경우에는 YOLO11n으로 시작하십시오. YOLO11s와 YOLO11m은 대부분의 프로덕션 워크로드에서 속도와 정확도의 균형을 제공하며, YOLO11l과 YOLO11x는 더 많은 컴퓨팅 자원을 사용할 수 있을 때 최고의 정확도를 제공합니다. YOLO11 docs에는 모든 크기에 대한 전체 속도 및 정확도 벤치마크가 포함되어 있으며, Ultralytics Platform에서 직접 학습시켜 자신의 데이터에 대한 변형 모델들을 비교해 볼 수 있습니다.

Ultralytics 라이브러리의 train mode를 사용하여 몇 줄의 Python 코드로 YOLO11을 학습시키거나, 주석 작업, 클라우드 GPU 학습 및 배포를 하나의 워크플로우로 결합한 Ultralytics Platform에서 코드 없이 학습시킬 수 있습니다. 사전 학습된 가중치를 사용하면 사용자 정의 데이터셋에 대한 파인튜닝이 빨라집니다. 학습이 완료되면 모델을 export하여 ONNX, TensorRT, CoreML, LiteRT와 같은 형식으로 배포하십시오.

YOLO11은 계속 지원되며 널리 배포되는 모델 제품군입니다. Ultralytics YOLO26은 최신 세대이며 효율적인 에지 배포를 위해 최적화된 엔드투엔드 설계를 갖추고 있어 새로운 프로젝트를 위한 권장 시작점입니다. 두 제품군 모두 동일한 API를 공유하므로 오늘 YOLO11로 개발하고 한 줄의 코드 변경만으로 YOLO26을 도입할 수 있습니다. 전체 비교 내용은 Ultralytics models docs를 참조하십시오.