실시간 YOLO 이미지 분류
Ultralytics YOLO26 분류 모델을 사용하여 모든 이미지에 올바른 라벨을 지정하십시오. 몇 분 만에 사용자 지정 카테고리로 학습시키고 에지, 클라우드 및 모바일 하드웨어에서 실시간으로 추론을 실행할 수 있습니다.
YOLO26 분류 모델
YOLO26-cls 모델은 아래에 보고된 top-1 및 top-5 정확도로 전체 이미지에 라벨을 지정합니다. 이 모델들은 제품군 중 가장 작고 빠르며, 나노 분류기는 CPU에서 몇 밀리초 만에 실행되고 클래스별 폴더로 구성된 간단한 데이터셋에서 사용자 지정 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 224 픽셀 기준 YOLO26 분류 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
실용적인 YOLOv5 워크플로우에서 엣지 대응 YOLO26 추론으로 Ultralytics YOLO가 어떻게 발전했는지 확인해 보십시오.
빠르고 실용적인 PyTorch 워크플로우를 통해 실시간 객체 탐지를 누구나 사용할 수 있도록 만들었습니다.
탐지, 세그멘테이션, 분류, 포즈 및 OBB 전반에 걸쳐 통합된 워크플로우 확장.
친숙한 Ultralytics 워크플로우를 유지하면서 정확도, 속도 및 효율성을 향상시켰습니다.
엔드투엔드 추론과 효율적인 에지 배포에 최적화된 아키텍처를 도입했습니다.
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, VOC 등 원하는 형식을 선택하십시오.
- 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.
어디서나 배포
20가지 포맷으로 내보내기하고 엣지, 클라우드, 모바일에 배포하세요.
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
이미지 분류는 전체 이미지를 일련의 클래스 중 하나로 할당하고 각 클래스에 대한 신뢰도 점수를 부여합니다. 이는 가장 간단한 컴퓨터 비전 작업이며, 객체의 위치보다는 이미지에 무엇이 나타나는지를 확인해야 할 때(예: 품질 등급 분류, 콘텐츠 정렬 또는 상태 모니터링) 적합한 선택입니다. Ultralytics YOLO 분류 모델은 작고 빠르며 파인튜닝하기 쉽습니다.
이미지당 하나의 라벨이면 충분할 때는 분류를 사용하고, 이미지 내에서 객체의 위치를 찾거나 개수를 세어야 할 때는 객체 탐지를 사용하십시오. 분류 모델은 더 가볍고 학습 속도가 빠르므로 위치 정보가 중요하지 않을 때 가장 효율적인 솔루션인 경우가 많습니다.
Ultralytics YOLO26 분류 모델을 권장하는 시작 지점으로 활용하십시오. 에지 배포용 나노 모델부터 최대 정확도를 위한 엑스트라 라지 모델까지 다양한 크기를 제공합니다. 모든 크기는 다른 Ultralytics YOLO 작업과 동일한 학습 및 배포 워크플로우를 공유합니다.
이미지를 클래스당 하나의 폴더로 구성한 뒤 Ultralytics 라이브러리의 학습 모드를 실행하거나, 데이터셋을 Ultralytics Platform에 업로드하여 로컬 설정 없이 클라우드 GPU에서 학습시키십시오. 사전 학습된 가중치를 파인튜닝하면 일반적으로 클래스당 수백 장의 이미지만으로도 강력한 정확도에 도달할 수 있습니다.
내보내기 모드를 사용하여 ONNX, TensorRT, CoreML, OpenVINO, LiteRT 및 기타 형식으로 내보내십시오. 분류 모델은 가장 작은 YOLO 변형이므로 모바일 앱, 임베디드 장치 및 고성능 서비스에 이상적입니다.
Ultralytics로 이미지 분류 구축하기
데이터를 정리하고, YOLO26 분류기를 학습시키고, Ultralytics Platform을 사용하여 어디에나 배포하십시오.