실시간 YOLO 이미지 세그멘테이션
경계 상자를 넘어 픽셀 단위로 정확한 마스크를 사용하십시오. Ultralytics YOLO26은 모든 YOLO 작업과 동일한 빠른 학습, 검증 및 배포 워크플로를 통해 인스턴스 및 시맨틱 세그멘테이션을 지원합니다.
YOLO26 세그멘테이션 모델
YOLO26-seg 모델은 객체를 감지하고 각각에 대해 픽셀 단위로 정확한 마스크를 예측하며, nano부터 extra-large까지 5가지 크기로 제공됩니다. 박스 및 마스크 정확도는 아래에 별도로 보고되며, 모든 크기는 표준 Ultralytics 워크플로를 통해 학습, 검증 및 내보내기가 가능합니다.
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLO26 segmentation model
model = YOLO("yolo26n-seg.pt")
# Run inference
results = model("image.jpg")| 모델 | 크기 (px) | mAP 박스 (e2e) | mAP 마스크 (e2e) | CPU ONNX (ms) | T4 TensorRT (ms) | 파라미터 (M) | FLOPs (B) |
|---|---|---|---|---|---|---|---|
| YOLO26n-seg | 640 | 39.6 | 33.9 | 53.3 ± 0.5 | 2.1 ± 0.0 | 2.7 | 9.1 |
| YOLO26s-seg | 640 | 47.3 | 40.0 | 118.4 ± 0.9 | 3.3 ± 0.0 | 10.4 | 34.2 |
| YOLO26m-seg | 640 | 52.5 | 44.1 | 328.2 ± 2.4 | 6.7 ± 0.1 | 23.6 | 121.5 |
| YOLO26l-seg | 640 | 54.4 | 45.5 | 387.0 ± 3.7 | 8.0 ± 0.1 | 28.0 | 139.8 |
| YOLO26x-seg | 640 | 56.5 | 47.0 | 787.0 ± 6.8 | 16.4 ± 0.1 | 62.8 | 313.5 |
Ultralytics 문서의 YOLO26 인스턴스 세그멘테이션 벤치마크.
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
Instance segmentation은 경계 상자만 사용하는 대신 각 객체를 감지하고 픽셀 단위로 정확한 마스크로 외곽선을 표시합니다. 이는 객체의 모양, 면적 또는 경계가 중요할 때(예: 항목 측정, 맞닿은 객체 분리, 또는 후속 처리를 위한 영역 마스킹) 적합한 작업입니다. Ultralytics YOLO 세그멘테이션은 탐지와 동일한 API로 실시간 실행됩니다.
인스턴스 세그멘테이션은 객체당 별도의 마스크를 생성하므로, 인접한 두 대의 차량은 두 개의 마스크를 갖게 됩니다. Semantic segmentation은 개별 객체를 분리하지 않고 장면의 모든 픽셀에 클래스 레이블을 할당합니다. Ultralytics YOLO26은 두 가지 모두를 지원합니다. 개별 객체를 카운트하고 추적하려면 instance segmentation을 사용하고, 도로 또는 식생 매핑과 같이 장면 전체를 이해하려면 시맨틱 세그멘테이션을 사용하십시오.
Ultralytics YOLO26 세그멘테이션 모델은 엣지 디바이스용 nano 크기부터 정확도가 중요한 작업을 위한 더 큰 변형 모델까지, 새로운 프로젝트를 위한 권장 시작점입니다. YOLO11 세그멘테이션 모델 또한 동일한 워크플로를 통해 계속 지원됩니다.
마스크를 주석 처리하고 Ultralytics 라이브러리의 train mode를 사용하여 학습하거나, Ultralytics Platform을 사용하여 스마트 폴리곤 도구로 주석을 달고, 클라우드 GPU에서 학습하며, 실행 결과를 비교해 보십시오. 사전 학습된 세그멘테이션 가중치로부터 파인 튜닝을 수행하면 대부분의 사용자 지정 데이터셋에서 빠르게 수렴합니다.
export mode를 사용하여 학습된 모델을 ONNX, TensorRT, CoreML, OpenVINO, LiteRT 등으로 내보내십시오. 세그멘테이션 마스크는 내보낸 모델에 의해 네이티브로 생성되므로, 엣지, 클라우드 및 모바일 대상 전반에서 배포 파이프라인을 단순하게 유지할 수 있습니다.
Ultralytics와 함께 이미지 세그멘테이션 구축하기
Ultralytics Platform을 사용하여 마스크를 주석 처리하고, YOLO26 세그멘테이션 모델을 학습시키며, 어디에든 배포하십시오.