> For the complete documentation index, see [llms.txt](https://docs.roboflow.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.roboflow.com/models/ko/supported-models/yolov10.md).

# YOLOv10

YOLOv10 객체 감지 모델을 서버리스 클라우드 API를 통해 사용

기존 YOLOv10 모델은 다음을 통해 계속 사용할 수 있습니다 [Serverless Cloud API](https://docs.roboflow.com/deployment/roboflow-cloud/serverless-api) 및 [자체 호스팅 Inference](https://docs.roboflow.com/deployment/self-hosted/self-hosted). Roboflow에서는 YOLOv10의 새 가중치 업로드와 학습을 지원하지 않습니다. 지원되는 업로드 계열은 다음을 참조하세요 [사용자 지정 가중치 업로드](https://docs.roboflow.com/models/ko/model-weights/upload-custom-weights.md).

Roboflow에서는 YOLOv10 학습을 지원하지 않습니다. Roboflow에서 학습된 탐지기를 보려면 다음을 참조하세요 [RF-DETR](https://docs.roboflow.com/models/ko/supported-models/rf-detr.md), [YOLO26](https://docs.roboflow.com/models/ko/supported-models/yolo26.md)또는 [YOLO11](https://docs.roboflow.com/models/ko/supported-models/yolo11.md).

## YOLOv10 사전 학습 별칭

다음 ID 중 하나를 `model_id` 로 전달하면 아무것도 학습하지 않고 COCO 사전 학습 체크포인트를 실행할 수 있습니다. 전체 목록은 다음에 있습니다 [사전 학습 모델 별칭](https://docs.roboflow.com/models/ko/pretrained-aliases.md) 페이지.

| 모델       | 입력 크기 | 작업    | 모델 ID          | 테스트                                                                 |
| -------- | ----- | ----- | -------------- | ------------------------------------------------------------------- |
| YOLOv10n | 640   | 객체 탐지 | `yolov10n-640` | [브라우저에서 테스트](https://universe.roboflow.com/microsoft/coco/model/19) |
| YOLOv10s | 640   | 객체 탐지 | `yolov10s-640` | [브라우저에서 테스트](https://universe.roboflow.com/microsoft/coco/model/20) |
| YOLOv10m | 640   | 객체 탐지 | `yolov10m-640` | [브라우저에서 테스트](https://universe.roboflow.com/microsoft/coco/model/21) |
| YOLOv10b | 640   | 객체 탐지 | `yolov10b-640` | [브라우저에서 테스트](https://universe.roboflow.com/microsoft/coco/model/22) |
| YOLOv10l | 640   | 객체 탐지 | `yolov10l-640` | [브라우저에서 테스트](https://universe.roboflow.com/microsoft/coco/model/23) |
| YOLOv10x | 640   | 객체 탐지 | `yolov10x-640` | [브라우저에서 테스트](https://universe.roboflow.com/microsoft/coco/model/24) |

## YOLOv10 API

{% stepper %}
{% step %}

### API 키 받기

Roboflow 계정을 만들고, 다음에서 키를 찾은 뒤 [Roboflow API 설정 페이지](https://app.roboflow.com/settings/api) 에서 셸에서 사용할 수 있도록 만드세요:

```bash
export ROBOFLOW_API_KEY="your-key-here"
```

{% endstep %}

{% step %}

### 의존성 설치

Inference SDK와 [supervision을 설치하여](https://supervision.roboflow.com/) 예측을 디코딩하고 그리기 위해:

```bash
pip install -U inference-sdk supervision opencv-python
```

{% endstep %}

{% step %}

### 모델 실행

이 예제는 사전 학습된 `yolov10n-640` 체크포인트를 실행합니다. 기존에 업로드한 모델을 실행하려면 해당 모델의 `{workspace}/{model-slug}` ID를 사용하세요(참조 [버전, 학습, 및 모델](https://docs.roboflow.com/models/ko/versions-trainings-and-models.md)).

```python
import os
import cv2
import supervision as sv
from inference_sdk import InferenceHTTPClient, InferenceConfiguration

image = sv.load_image_from_url("https://media.roboflow.com/inference/people-walking.jpg")

client = InferenceHTTPClient(
    api_url="https://serverless.roboflow.com",
    api_key=os.environ["ROBOFLOW_API_KEY"],
).configure(InferenceConfiguration(api_key_transport="header"))
results = client.infer(image, model_id="yolov10n-640")

detections = sv.Detections.from_inference(results)

labels = [
    f"{name} {conf:.2f}"
    for name, conf in zip(detections.data["class_name"], detections.confidence)
]
annotated = sv.BoxAnnotator().annotate(image.copy(), detections)
annotated = sv.LabelAnnotator().annotate(annotated, detections, labels=labels)
cv2.imwrite("annotated.png", annotated)
```

{% endstep %}
{% endstepper %}

{% hint style="info" %}
설정 `api_url` 을 배포 대상에 맞게 맞추세요:

* `https://serverless.roboflow.com` Serverless Cloud API용.
* `http://localhost:9001` 로컬 [Inference](https://docs.roboflow.com/deployment/self-hosted/self-hosted) 서버용.
* 귀하의 [전용 배포](https://docs.roboflow.com/deployment/roboflow-cloud/dedicated-deployments) 비공개 엔드포인트용 URL.
  {% endhint %}

다음과 함께 프로세스 내에서 체크포인트를 로드할 수도 있습니다 [`inference`](https://docs.roboflow.com/deployment/self-hosted/self-hosted) 패키지:

```python
from inference import get_model

model = get_model(model_id="yolov10n-640")
results = model.infer("https://media.roboflow.com/inference/people-walking.jpg")
```

## 라이선스

YOLOv10은 AGPL-3.0에 따라 배포됩니다. 상업적 사용에 대한 의미는 다음과 같습니다:

* **Roboflow 클라우드에서는:** 무료 플랜을 포함해 모든 사용자에게 상업용 라이선스가 포함됩니다.
* **자체 호스팅에서는:** Enterprise 라이선스 애드온이 필요하거나, 애플리케이션을 AGPL-3.0으로 오픈 소스로 공개해야 합니다.
* **허용적 대안:** [RF-DETR](https://docs.roboflow.com/models/ko/supported-models/rf-detr.md) Apache 2.0이며, 어디서나 상업적으로 무료로 사용할 수 있습니다.

다음을 참조하세요 [Roboflow의 Ultralytics 라이선싱](https://roboflow.com/ultralytics) 자세한 내용은.
