Ultralytics YOLO11 모델
효율적인 학습 및 배포와 다양한 컴퓨터 비전 작업을 위해 설계된 검증된 모델 제품군으로 빠르고 정확한 실시간 비전 AI를 구현하세요.
YOLO11 모델 제품군
YOLO11은 탐지, 세그멘테이션, 분류, 포즈, 방향 탐지 작업 전반에 걸쳐 나노부터 엑스트라 라지까지 다섯 가지 크기를 제공합니다. 아래 탐지 벤치마크는 정확도와 속도의 범위를 보여줍니다. 정확도 목표를 충족하는 가장 작은 크기부터 시작하고, 워크로드에 필요한 경우에만 크기를 늘리세요.
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 조직이 신뢰합니다
모델이 미치는 영향
Ultralytics의 최첨단 비전 AI 모델로 다양한 산업 분야의 프로세스를 간소화하세요. 속도, 정확도, 사용 편의성을 제공합니다.
Ultralytics YOLO 모델의 발전 과정
Ultralytics YOLO가 실시간 컴퓨터 비전을 위해 YOLO11과 최신 YOLO26 세대로 발전한 과정을 알아보세요.
스마트 어노테이션으로 최대 10배 더 빠르게 라벨링하세요
Ultralytics Platform은 고품질 데이터셋을 더 빠르게 구축할 수 있는 이미지 어노테이션 도구를 제공합니다. 스마트 어노테이션부터 정밀한 수동 편집까지, 이러한 기능은 품질을 유지하면서 이미지 라벨링 시간을 줄이도록 설계되었습니다.
- SAM 기반 스마트 어노테이션:한 번의 클릭으로 마스크와 바운딩 박스를 생성합니다.
- 모든 AI 작업 지원:객체 탐지, 인스턴스 세그멘테이션, 시맨틱 세그멘테이션, 분류, 포즈, OBB.
- 범용 형식 지원:YOLO, COCO 등 원하는 형식을 선택하세요.
- 팀 검토 및 버전 관리:모든 단계에서 원활하게 협업할 수 있습니다.
저렴한 비용으로 최고의 GPU에서 학습하세요
Ampere부터 Blackwell까지 NVIDIA GPU 26종을 시간당 $0.24부터 이용하세요. 추가 요금, 최소 이용 조건, 약정이 없습니다.
산업별 솔루션 살펴보기
팀이 실제 운영 환경 전반에서 Ultralytics 컴퓨터 비전을 어떻게 적용하는지 알아보세요.
농업
자동차
의료
물류
제조
소매
로보틱스
농업
자동차
의료
물류
제조
소매
로보틱스
농업
자동차
의료
물류
제조
소매
로보틱스
자주 묻는 질문
Ultralytics YOLO11은 Ultralytics 오픈 소스 라이브러리를 기반으로 구축된 실시간 컴퓨터 비전 모델 제품군입니다. 학습, 검증, 배포 전반에서 일관된 단일 API로 객체 탐지, 인스턴스 세그멘테이션, 이미지 분류, 포즈 추정, 방향 객체 탐지를 지원합니다. YOLO11은 이전 세대보다 정확도와 효율성을 높이면서도 맞춤형 데이터셋에 쉽게 파인튜닝할 수 있습니다. 아키텍처 세부 정보, 벤치마크, 사용 예시는 YOLO11 문서를 참조하세요.
지연 시간, 메모리 및 모델 크기가 가장 중요하다면 YOLO11n으로 시작하세요. YOLO11s와 YOLO11m은 대부분의 프로덕션 워크로드에서 속도와 정확도의 균형을 맞추며, YOLO11l과 YOLO11x는 더 많은 컴퓨팅 리소스를 사용할 수 있을 때 정확도를 우선시합니다. YOLO11 문서에서 모든 크기의 벤치마크를 확인할 수 있습니다.
Ultralytics 라이브러리의 train 모드를 사용하거나 공식 Ultralytics Platform의 YOLO11 프로젝트를 여세요. 학습 후 모델을 ONNX, TensorRT, CoreML 또는 LiteRT와 같은 형식으로 내보내세요.
YOLO11은 계속 지원되며 널리 배포되고 있는 모델 제품군입니다. Ultralytics YOLO26은 최신 세대 모델이며 새로운 프로젝트를 시작할 때 권장되는 선택입니다. 두 제품군은 동일한 API를 공유하므로 YOLO11에서 YOLO26으로 전환할 때 모델만 변경하면 됩니다.
Ultralytics YOLO11으로 개발하기
Ultralytics Platform으로 YOLO11 모델을 학습, 검증, 내보내기 및 배포하세요.