YOLO 방향성 객체 탐지
회전된 바운딩 박스로 모든 각도의 객체를 탐지하세요. Ultralytics YOLO26 OBB 모델은 축 정렬 박스가 겹쳐 탐지에 실패하는 선박, 차량, 건물, 텍스트에 꼭 맞는 박스를 생성하므로 항공 및 위성 이미지에 이상적입니다.
YOLO26 OBB 모델
YOLO26-obb 모델은 1024픽셀 해상도에서 회전된 바운딩 박스를 예측하며, 객체가 임의의 각도로 나타나는 항공 및 위성 이미지에 맞게 설계되었습니다. 5가지 크기는 속도와 정확도 사이의 균형을 제공하며, 표준 워크플로를 통해 모두 사용자 지정 회전 박스 데이터셋으로 미세 조정할 수 있습니다.
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLO26 OBB model
model = YOLO("yolo26n-obb.pt")
# Run inference
results = model("image.jpg")| 모델 | 크기 (px) | mAP 50-95 (e2e) | mAP 50 (e2e) | CPU ONNX (ms) | T4 TensorRT (ms) | 파라미터 (M) | FLOPs (B) |
|---|---|---|---|---|---|---|---|
| YOLO26n-obb | 1024 | 52.4 | 78.9 | 97.7 ± 0.9 | 2.8 ± 0.0 | 2.5 | 14.0 |
| YOLO26s-obb | 1024 | 54.8 | 80.9 | 218.0 ± 1.4 | 4.9 ± 0.1 | 9.8 | 55.1 |
| YOLO26m-obb | 1024 | 55.3 | 81.0 | 579.2 ± 3.8 | 10.2 ± 0.3 | 21.2 | 183.3 |
| YOLO26l-obb | 1024 | 56.2 | 81.6 | 735.6 ± 3.1 | 13.0 ± 0.2 | 25.6 | 230.0 |
| YOLO26x-obb | 1024 | 56.7 | 81.7 | 1485.7 ± 11.5 | 30.5 ± 0.9 | 57.6 | 516.5 |
Ultralytics 문서의 YOLO26 방향성 객체 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
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.
최고의 GPU에서 더 저렴하게 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
자주 묻는 질문
방향성 객체 탐지는 축 정렬 사각형 대신 각 객체의 실제 방향에 맞는 회전된 바운딩 박스를 예측합니다. 항구의 선박, 주차장의 차량, 문서의 텍스트 줄처럼 길쭉하거나 밀집된 객체의 경우 회전 박스가 객체에 꼭 맞게 들어가 표준 박스에서 모호성을 일으키는 겹침을 방지합니다.
객체가 다양한 각도로 나타나고 방향이나 정확한 범위가 중요한 경우 OBB를 사용하세요. 항공 및 위성 이미지, 드론 검사, 문서 분석, 위에서 촬영한 산업 현장이 여기에 해당합니다. 객체가 대부분 똑바로 서 있고 방향이 중요하지 않다면 표준 객체 탐지가 더 간단하면서도 효과는 동일합니다.
Ultralytics YOLO26 OBB 모델은 DOTA 항공 이미지 벤치마크로 사전 학습되었으며 nano부터 extra-large까지 크기를 선택할 수 있어 권장되는 시작점입니다. 다른 모든 Ultralytics YOLO 작업과 동일한 학습, 검증 및 내보내기 워크플로를 사용합니다.
회전 박스를 YOLO OBB 형식으로 어노테이션하고 train mode를 실행하거나, Ultralytics Platform을 사용해 어노테이션하고 클라우드 GPU에서 학습한 다음 브라우저에서 결과를 평가하세요. 대부분의 항공 데이터셋에서는 DOTA 사전 학습 가중치로 미세 조정하는 것이 가장 빠른 방법입니다.
export mode를 사용해 OBB 모델을 ONNX, OpenVINO, TensorRT 및 기타 형식으로 내보내세요. 내보낸 모델이 회전 박스 출력을 직접 생성하므로 엣지 디바이스, 드론, 서버에서 추론 파이프라인을 간단하게 유지할 수 있습니다.
Ultralytics로 방향성 탐지 구축
회전 박스를 어노테이션하고 YOLO26 OBB 모델을 학습한 다음 Ultralytics Platform으로 어디서나 배포하세요.