Ultralytics YOLO-Depth란 무엇인가요?

Ultralytics YOLO-Depth는 단안 깊이 추정을 위한 YOLO26 모델 제품군으로, 일반 RGB 이미지 하나에서 미터 단위의 정밀한 픽셀별 깊이 맵을 예측합니다. 공식 사전 학습 체크포인트는 YOLO26n-depth부터 YOLO26x-depth까지 5가지 크기로 제공됩니다.

단안 깊이 추정이 중요한 이유는 무엇인가요?

깊이 정보는 2D 탐지를 3D 이해로 전환합니다. 즉, 장애물과의 거리, 물체의 실제 크기, 장면의 구성을 파악하게 해줍니다. 표준 카메라 한 대만으로 이를 수행하면 라이다나 스테레오 장비의 비용, 보정, 통합 부담을 피할 수 있어 로봇 공학, 이동성, 일상적인 카메라 시스템에서 공간 인식 기능을 실용적으로 구현할 수 있습니다.

YOLO26 깊이 모델은 무엇을 반환합니까?

각 예측은 입력 이미지와 정렬된 하나의 정밀한 부동 소수점 깊이 맵을 반환합니다. result.depth.data를 통해 액세스할 수 있으며, 그 값은 미터 단위의 거리를 나타내며 3D 재구성, 내비게이션, 측정 또는 시각화를 위해 NumPy 배열로 변환할 수 있습니다. 전체 결과 계약(result contract)은 깊이 예측 가이드를 참조하십시오.

자체 데이터로 YOLO-Depth를 학습시킬 수 있습니까?

네. 각 RGB 이미지를 미터 단위의 float32 깊이 맵과 페어링하고, 표준 Ultralytics 학습 모드를 사용하여 사전 학습된 YOLO26-depth 체크포인트를 파인튜닝하십시오. 공식 가이드에서는 릴리스된 가중치를 사용자 지정 깊이 도메인에 적용할 때 AdamW와 낮은 학습률을 사용할 것을 권장합니다.

YOLO26 깊이 모델을 어떻게 배포합니까?

내보내기 모드를 사용하여 YOLO26-depth 체크포인트를 ONNX, TensorRT, CoreML 및 OpenVINO와 같은 형식으로 변환하십시오. 이후 내보낸 모델을 엣지, 모바일 또는 서버 하드웨어에서 동일한 Ultralytics 예측 워크플로우를 통해 실행할 수 있습니다.

Ultralytics YOLO

Ultralytics YOLO-Depth

단일 RGB 이미지에서 보이는 모든 표면까지의 거리를 예측합니다. YOLO26 깊이 모델은 특수 깊이 센서, 스테레오 카메라 또는 라이다 없이도 미터 단위의 3D 공간 인식 기능을 추가합니다.

Platform에서 깊이 추정 시작하기 깊이 추정 문서 살펴보기

YOLO26 깊이 추정 모델

YOLO26-depth 모델은 단일 RGB 이미지로부터 미터 단위의 정밀한 깊이 맵을 예측합니다. 5가지 모델 크기는 엣지 배포부터 정확도가 중요한 공간 분석까지 지원하며, 약 219만 장의 실내외 이미지로 사전 학습된 가중치가 릴리스되었고 NYU Depth V2 Eigen 테스트 분할 데이터셋에서 평가되었습니다.

pip install ultralytics

from ultralytics import YOLO

# Load a YOLO26 depth model
model = YOLO("yolo26n-depth.pt")

# Predict metric depth at the model training resolution
results = model("image.jpg", imgsz=768)
depth_map = results[0].depth.data.cpu().numpy()

모델	크기 (px)	delta1	abs_rel	RMSE (m)	파라미터 (M)	FLOPs (B)
YOLO26n-depth	768	0.882	0.109	0.414	6.4	46.9
YOLO26s-depth	768	0.896	0.104	0.399	13.2	67.9
YOLO26m-depth	768	0.921	0.089	0.364	23.3	130.7
YOLO26l-depth	768	0.930	0.083	0.351	27.7	157.2
YOLO26x-depth	768	0.933	0.080	0.344	57.0	302.0

NYU Depth V2 Eigen 테스트 분할 데이터셋에서의 YOLO26 깊이 추정 벤치마크는 다중 스케일 및 수평 뒤집기 TTA와 로그 최소 제곱 정렬을 사용합니다. 파라미터와 FLOPs는 768 × 768 해상도에서 측정되었습니다.

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.

—

GitHub 스타

—

다운로드

—

일일 Ultralytics YOLO 사용량

—

오픈 소스 기여자

Ultralytics YOLO 모델의 진화

실용적인 YOLOv5 워크플로우에서 엣지 대응 YOLO26 추론으로 Ultralytics YOLO가 어떻게 발전했는지 확인해 보십시오.

2020

Ultralytics YOLOv5

빠르고 실용적인 PyTorch 워크플로우를 통해 실시간 객체 탐지를 누구나 사용할 수 있도록 만들었습니다.

2023

Ultralytics YOLOv8

탐지, 세그멘테이션, 분류, 포즈 및 OBB 전반에 걸쳐 통합된 워크플로우 확장.

2024

Ultralytics YOLO11

친숙한 Ultralytics 워크플로우를 유지하면서 정확도, 속도 및 효율성을 향상시켰습니다.

2026

Ultralytics YOLO26

엔드투엔드 추론과 효율적인 에지 배포에 최적화된 아키텍처를 도입했습니다.

Image annotation interface using smart segmentation to label an object.

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 등 다양한 옵션을 선택하세요.
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.

Ampere

검증된 데이터 센터 및 워크스테이션 GPU

효율적인 추론 및 실시간 AI

대규모 학습을 위해 특수 설계됨

Blackwell신규

최신 세대, 최고의 성능

어디서나 배포

20가지 포맷으로 내보내기하고 엣지, 클라우드, 모바일에 배포하세요.

산업별 솔루션 살펴보기

팀들이 프로덕션 환경 전반에서 어떻게 Ultralytics 컴퓨터 비전을 적용하는지 확인하십시오.

자주 묻는 질문

Ultralytics YOLO-Depth는 단안 깊이 추정을 위한 YOLO26 모델 제품군으로, 일반 RGB 이미지 하나에서 미터 단위의 정밀한 픽셀별 깊이 맵을 예측합니다. 공식 사전 학습 체크포인트는 YOLO26n-depth부터 YOLO26x-depth까지 5가지 크기로 제공됩니다.
깊이 정보는 2D 탐지를 3D 이해로 전환합니다. 즉, 장애물과의 거리, 물체의 실제 크기, 장면의 구성을 파악하게 해줍니다. 표준 카메라 한 대만으로 이를 수행하면 라이다나 스테레오 장비의 비용, 보정, 통합 부담을 피할 수 있어 로봇 공학, 이동성, 일상적인 카메라 시스템에서 공간 인식 기능을 실용적으로 구현할 수 있습니다.
각 예측은 입력 이미지와 정렬된 하나의 정밀한 부동 소수점 깊이 맵을 반환합니다. result.depth.data를 통해 액세스할 수 있으며, 그 값은 미터 단위의 거리를 나타내며 3D 재구성, 내비게이션, 측정 또는 시각화를 위해 NumPy 배열로 변환할 수 있습니다. 전체 결과 계약(result contract)은 깊이 예측 가이드를 참조하십시오.
네. 각 RGB 이미지를 미터 단위의 float32 깊이 맵과 페어링하고, 표준 Ultralytics 학습 모드를 사용하여 사전 학습된 YOLO26-depth 체크포인트를 파인튜닝하십시오. 공식 가이드에서는 릴리스된 가중치를 사용자 지정 깊이 도메인에 적용할 때 AdamW와 낮은 학습률을 사용할 것을 권장합니다.
내보내기 모드를 사용하여 YOLO26-depth 체크포인트를 ONNX, TensorRT, CoreML 및 OpenVINO와 같은 형식으로 변환하십시오. 이후 내보낸 모델을 엣지, 모바일 또는 서버 하드웨어에서 동일한 Ultralytics 예측 워크플로우를 통해 실행할 수 있습니다.