실시간 YOLO 이미지 세그멘테이션
픽셀 단위로 정확한 마스크를 사용해 바운딩 박스 이상의 기능을 활용하세요. Ultralytics YOLO26은 모든 YOLO 작업과 동일한 빠른 학습, 검증, 배포 워크플로로 인스턴스 및 시맨틱 세그멘테이션을 지원합니다.
YOLO26 세그멘테이션 모델
YOLO26-seg 모델은 객체를 탐지하고 각 객체에 대해 픽셀 단위로 정확한 마스크를 예측하며, 나노부터 특대형까지 다섯 가지 크기로 제공됩니다. 아래에는 박스와 마스크의 정확도가 각각 보고되어 있습니다. 모든 크기의 모델은 표준 Ultralytics 워크플로를 통해 학습하고, 검증하고, 내보낼 수 있습니다.
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 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
인스턴스 세그멘테이션은 각 객체를 탐지하고, 바운딩 박스만 사용하는 대신 픽셀 단위로 정확한 마스크로 윤곽을 표시합니다. 객체의 형태, 면적 또는 경계가 중요한 경우에 적합한 작업입니다. 예를 들어 항목 측정, 서로 맞닿은 객체 분리, 후속 처리를 위한 영역 마스킹에 사용할 수 있습니다. Ultralytics YOLO 세그멘테이션은 탐지와 동일한 API를 사용해 실시간으로 실행됩니다.
인스턴스 세그멘테이션은 객체마다 별도의 마스크를 생성하므로 서로 인접한 자동차 두 대도 각각 다른 마스크를 갖습니다. 시맨틱 세그멘테이션은 개별 객체를 분리하지 않고 장면의 모든 픽셀에 클래스 레이블을 할당합니다. Ultralytics YOLO26은 두 가지를 모두 지원합니다. 서로 다른 객체를 계수하고 추적하려면 인스턴스 세그멘테이션을 사용하고, 도로나 식생 매핑과 같은 전체 장면 이해에는 시맨틱 세그멘테이션을 사용하세요.
Ultralytics YOLO26 세그멘테이션 모델은 새로운 프로젝트의 권장 시작점이며, 엣지 디바이스용 나노 크기부터 정확도가 중요한 작업을 위한 대형 변형까지 제공됩니다. YOLO11 세그멘테이션 모델도 동일한 워크플로를 통해 계속 지원됩니다.
마스크를 어노테이션하고 Ultralytics 라이브러리의 학습 모드로 학습하거나, Ultralytics Platform을 사용해 스마트 폴리곤 도구로 어노테이션하고 클라우드 GPU에서 학습하며 실행 결과를 비교하세요. 사전 학습된 세그멘테이션 가중치에서 파인튜닝하면 대부분의 맞춤 데이터셋에서 빠르게 수렴합니다.
학습된 모델을 내보내기 모드로 내보내 ONNX, OpenVINO, TensorRT, CoreML, LiteRT 등의 형식으로 변환하세요. 세그멘테이션 마스크는 내보낸 모델에서 기본적으로 생성되므로 엣지, 클라우드, 모바일 대상 전반에서 배포 파이프라인을 간소화할 수 있습니다.
Ultralytics로 이미지 세그멘테이션 구축하기
Ultralytics Platform으로 마스크를 어노테이션하고, YOLO26 세그멘테이션 모델을 학습하고, 어디서나 배포하세요.