실시간 YOLO 이미지 분류
Ultralytics YOLO26 분류 모델로 모든 이미지에 적절한 레이블을 할당하세요. 몇 분 만에 자체 카테고리로 학습하고 엣지, 클라우드, 모바일 하드웨어에서 실시간으로 추론할 수 있습니다.
YOLO26 분류 모델
YOLO26-cls 모델은 이미지 전체에 레이블을 할당하며, 아래에 top-1 및 top-5 정확도가 보고되어 있습니다. 제품군 중 크기가 가장 작고 속도가 가장 빠르며, 나노 분류 모델은 CPU에서 수 밀리초 만에 실행됩니다. 클래스별 폴더로 구성된 간단한 데이터셋을 사용해 맞춤 카테고리로 파인튜닝할 수 있습니다.
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLO26 classification model
model = YOLO("yolo26n-cls.pt")
# Run inference
results = model("image.jpg")| 모델 | 크기 (px) | Top-1 정확도 | Top-5 정확도 | CPU ONNX (ms) | T4 TensorRT (ms) | 파라미터 (M) | FLOPs (B) |
|---|---|---|---|---|---|---|---|
| YOLO26n-cls | 224 | 71.4 | 90.1 | 5.0 ± 0.3 | 1.1 ± 0.0 | 2.8 | 0.5 |
| YOLO26s-cls | 224 | 76.0 | 92.9 | 7.9 ± 0.2 | 1.3 ± 0.0 | 6.7 | 1.6 |
| YOLO26m-cls | 224 | 78.1 | 94.2 | 17.2 ± 0.4 | 2.0 ± 0.0 | 11.6 | 4.9 |
| YOLO26l-cls | 224 | 79.0 | 94.6 | 23.2 ± 0.3 | 2.8 ± 0.0 | 14.1 | 6.2 |
| YOLO26x-cls | 224 | 79.9 | 95.0 | 41.4 ± 0.9 | 3.8 ± 0.0 | 29.6 | 13.6 |
Ultralytics 문서의 224픽셀 기준 YOLO26 분류 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
실용적인 YOLOv5 워크플로에서 엣지에 최적화된 YOLO26 추론에 이르기까지 Ultralytics YOLO의 발전 과정을 살펴보세요.
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
이미지 분류는 이미지 전체를 여러 클래스 중 하나에 할당하고 각 클래스에 대한 신뢰도 점수를 제공합니다. 컴퓨터 비전 작업 중 가장 단순하며, 객체의 위치가 아니라 이미지에 무엇이 나타나는지 알아야 할 때 적합합니다. 예를 들어 품질 등급 판정, 콘텐츠 분류, 상태 모니터링에 사용할 수 있습니다. Ultralytics YOLO 분류 모델은 크기가 작고 빠르며 파인튜닝하기 쉽습니다.
이미지당 레이블 하나로 충분하다면 분류를 사용하고, 이미지 내 객체의 위치를 파악하거나 객체 수를 세야 한다면 객체 탐지를 사용하세요. 분류 모델은 더 가볍고 학습 속도도 빠르므로 위치가 중요하지 않은 경우 효율적인 솔루션이 되는 경우가 많습니다.
Ultralytics YOLO26 분류 모델은 권장되는 시작점이며, 엣지 배포용 나노부터 최대 정확도를 위한 특대형까지 다양한 크기로 제공됩니다. 모든 크기에서 다른 Ultralytics YOLO 작업과 동일한 학습 및 배포 워크플로를 사용합니다.
클래스별로 폴더를 하나씩 만들어 이미지를 정리하고 Ultralytics 라이브러리의 학습 모드를 실행하거나, 데이터셋을 Ultralytics Platform에 업로드해 로컬 설정 없이 클라우드 GPU에서 학습하세요. 사전 학습된 가중치를 파인튜닝하면 일반적으로 클래스당 수백 장의 이미지로도 높은 정확도를 달성할 수 있습니다.
내보내기 모드로 ONNX, OpenVINO, TensorRT, CoreML, LiteRT 및 기타 형식으로 내보내세요. 분류 모델은 YOLO 변형 중 크기가 가장 작아 모바일 앱, 임베디드 디바이스, 높은 처리량이 필요한 서비스에 적합합니다.
Ultralytics로 이미지 분류 구축하기
Ultralytics Platform으로 데이터를 정리하고, YOLO26 분류 모델을 학습하고, 어디서나 배포하세요.