YOLO 지향성 객체 검출
회전된 경계 박스를 사용하여 어떤 각도에서든 객체를 검출합니다. Ultralytics YOLO26 OBB 모델은 축 정렬 박스가 겹치고 실패하는 선박, 차량, 건물 및 텍스트를 정확하게 감싸주어 항공 및 위성 이미지에 이상적입니다.
YOLO26 OBB 모델
YOLO26-obb 모델은 임의의 각도로 객체가 나타나는 항공 및 위성 이미지에 적합하도록 제작되었으며 1024픽셀 해상도에서 회전된 경계 박스를 예측합니다. 다섯 가지 크기로 속도와 정확도를 조절할 수 있으며, 모든 모델은 표준 워크플로를 사용하여 커스텀 회전 박스 데이터셋에서 미세 조정됩니다.
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 문서에서 제공하는 YOLO26 지향성 검출 벤치마크.
전 세계 선도 기업들이 신뢰하는 플랫폼
당사 모델의 영향력
최첨단 비전 AI 모델을 통해 산업 전반의 프로세스를 간소화하십시오. Ultralytics가 제공하는 속도, 정확성, 사용 편의성을 경험해 보세요.
Ultralytics YOLO 모델의 진화
실용적인 YOLOv5 워크플로에서 에지 준비 완료된 YOLO26 추론에 이르기까지 Ultralytics YOLO의 진화 과정을 확인하십시오.
스마트 어노테이션으로 최대 10배 더 빠른 라벨링
Ultralytics Platform은 고품질 데이터셋을 더 빠르게 구축할 수 있는 이미지 어노테이션 도구를 제공합니다. 스마트 어노테이션부터 정밀한 수동 편집까지, 이러한 기능들은 품질 저하 없이 이미지 라벨링 시간을 줄이도록 설계되었습니다.
- SAM 기반 스마트 어노테이션: 클릭 한 번으로 마스크와 바운딩 박스를 생성합니다.
- 전체 AI 태스크 지원: 객체 검출, 인스턴스 세분화, 시맨틱 세분화, 분류, 포즈, OBB.
- 범용 포맷 지원: YOLO, COCO 등 원하는 형식을 선택하세요.
- 팀 검토 및 버전 관리: 모든 단계에서의 명확한 협업.
최고의 GPU를 더 합리적인 비용으로 학습에 활용하세요
Ampere부터 Blackwell까지 26개의 NVIDIA GPU를 시간당 $0.24부터 제공합니다. 추가 마크업, 최소 비용, 약정이 없습니다.
산업별 솔루션 살펴보기
다양한 프로덕션 환경에서 팀들이 Ultralytics 컴퓨터 비전을 어떻게 활용하는지 확인해 보세요.
농업
자동차
헬스케어
물류
제조
소매
로봇 공학
농업
자동차
헬스케어
물류
제조
소매
로봇 공학
농업
자동차
헬스케어
물류
제조
소매
로봇 공학
자주 묻는 질문
지향성 객체 검출은 축에 정렬된 사각형 대신 각 객체의 실제 방향에 맞춘 회전된 경계 상자를 예측합니다. 항구의 선박, 주차장의 차량, 문서의 텍스트 줄과 같이 길쭉하거나 조밀하게 배치된 객체의 경우 회전된 경계 상자가 타이트하게 맞물려 표준 상자로 인해 모호해지는 겹침 현상을 방지합니다.
객체가 임의의 회전 각도로 나타나며 방향이나 타이트한 범위가 중요한 경우, 즉 항공 및 위성 이미지, 드론 검사, 문서 분석, 위에서 내려다본 산업 현장에서는 OBB를 사용하십시오. 객체가 대부분 똑바로 서 있고 방향이 중요하지 않은 경우 표준 객체 검출이 더 간단하고 동일하게 효과적입니다.
Ultralytics YOLO26 OBB 모델은 DOTA 항공 이미지 벤치마크에서 사전 훈련되었으며 나노부터 엑스트라 라지까지의 크기로 제공되는 권장 시작점입니다. 이 모델들은 다른 모든 Ultralytics YOLO 작업과 동일한 훈련, 검증 및 내보내기 워크플로를 공유합니다.
YOLO OBB 형식으로 회전된 상자에 어노테이션을 지정하고 train 모드를 실행하거나, Ultralytics 플랫폼을 사용하여 어노테이션을 지정하고 클라우드 GPU에서 훈련하며 브라우저에서 결과를 평가하십시오. DOTA 사전 훈련된 가중치에서 미세 조정을 수행하는 것이 대부분의 항공 데이터셋을 위한 가장 빠른 경로입니다.
export 모드를 사용하여 OBB 모델을 ONNX, TensorRT, OpenVINO 및 기타 형식으로 내보냅니다. 회전된 상자 출력은 내보낸 모델에서 직접 생성되므로 엣지 디바이스, 드론 및 서버에서 추론 파이프라인이 단순하게 유지됩니다.
Ultralytics로 지향성 검출 구축하기
Ultralytics Platform을 사용하여 회전된 박스를 주석 처리하고, YOLO26 OBB 모델을 훈련하며, 어디에나 배포할 수 있습니다.