> 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/yolov8.md).

# YOLOv8

YOLOv8 모델 제품군을 서버리스 클라우드 API를 통해 사용

YOLOv8은 Ultralytics의 객체 감지, 인스턴스 분할, 키포인트 감지 모델 계열입니다. Roboflow는 짧은 별칭으로 COCO 사전학습 YOLOv8 체크포인트를 제공하며, 또한 [자신의 가중치를 업로드하여](https://docs.roboflow.com/models/ko/model-weights/upload-custom-weights.md) 다른 곳에서 학습한 모델을 실행할 수 있습니다.

Roboflow에서는 YOLOv8 학습이 지원되지 않습니다. Roboflow에서 학습된 감지 모델은 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).

## YOLOv8 사전학습 별칭

다음 ID 중 하나를 다음 값으로 전달하세요 `model_id` 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                                                                               |
| --------------- | ----- | ------- | ------------------- | --------------------------------------------------------------------------------- |
| YOLOv8n         | 640   | 객체 탐지   | `yolov8n-640`       | [브라우저에서 테스트](https://universe.roboflow.com/microsoft/coco/model/3)                |
| YOLOv8n         | 1280  | 객체 탐지   | `yolov8n-1280`      | [브라우저에서 테스트](https://universe.roboflow.com/microsoft/coco/model/9)                |
| YOLOv8s         | 640   | 객체 탐지   | `yolov8s-640`       | [브라우저에서 테스트](https://universe.roboflow.com/microsoft/coco/model/6)                |
| YOLOv8s         | 1280  | 객체 탐지   | `yolov8s-1280`      | [브라우저에서 테스트](https://universe.roboflow.com/microsoft/coco/model/10)               |
| YOLOv8m         | 640   | 객체 탐지   | `yolov8m-640`       | [브라우저에서 테스트](https://universe.roboflow.com/microsoft/coco/model/8)                |
| YOLOv8m         | 1280  | 객체 탐지   | `yolov8m-1280`      | [브라우저에서 테스트](https://universe.roboflow.com/microsoft/coco/model/11)               |
| YOLOv8l         | 640   | 객체 탐지   | `yolov8l-640`       | [브라우저에서 테스트](https://universe.roboflow.com/microsoft/coco/model/7)                |
| YOLOv8l         | 1280  | 객체 탐지   | `yolov8l-1280`      | [브라우저에서 테스트](https://universe.roboflow.com/microsoft/coco/model/12)               |
| YOLOv8x         | 640   | 객체 탐지   | `yolov8x-640`       | [브라우저에서 테스트](https://universe.roboflow.com/microsoft/coco/model/5)                |
| YOLOv8x         | 1280  | 객체 탐지   | `yolov8x-1280`      | [브라우저에서 테스트](https://universe.roboflow.com/microsoft/coco/model/13)               |
| YOLOv8n 인스턴스 분할 | 640   | 인스턴스 분할 | `yolov8n-seg-640`   | [브라우저에서 테스트](https://universe.roboflow.com/microsoft/coco-dataset-vdnr1/model/2)  |
| YOLOv8n 인스턴스 분할 | 1280  | 인스턴스 분할 | `yolov8n-seg-1280`  | [브라우저에서 테스트](https://universe.roboflow.com/microsoft/coco-dataset-vdnr1/model/7)  |
| YOLOv8s 인스턴스 분할 | 640   | 인스턴스 분할 | `yolov8s-seg-640`   | [브라우저에서 테스트](https://universe.roboflow.com/microsoft/coco-dataset-vdnr1/model/4)  |
| YOLOv8m 인스턴스 분할 | 1280  | 인스턴스 분할 | `yolov8s-seg-1280`  | [브라우저에서 테스트](https://universe.roboflow.com/microsoft/coco-dataset-vdnr1/model/8)  |
| YOLOv8m 인스턴스 분할 | 640   | 인스턴스 분할 | `yolov8m-seg-640`   | [브라우저에서 테스트](https://universe.roboflow.com/microsoft/coco-dataset-vdnr1/model/5)  |
| YOLOv8m 인스턴스 분할 | 1280  | 인스턴스 분할 | `yolov8m-seg-1280`  | [브라우저에서 테스트](https://universe.roboflow.com/microsoft/coco-dataset-vdnr1/model/9)  |
| YOLOv8l 인스턴스 분할 | 640   | 인스턴스 분할 | `yolov8l-seg-640`   | [브라우저에서 테스트](https://universe.roboflow.com/microsoft/coco-dataset-vdnr1/model/6)  |
| YOLOv8l 인스턴스 분할 | 1280  | 인스턴스 분할 | `yolov8l-seg-1280`  | [브라우저에서 테스트](https://universe.roboflow.com/microsoft/coco-dataset-vdnr1/model/10) |
| YOLOv8x 인스턴스 분할 | 640   | 인스턴스 분할 | `yolov8x-seg-640`   | [브라우저에서 테스트](https://universe.roboflow.com/microsoft/coco-dataset-vdnr1/model/3)  |
| YOLOv8x 인스턴스 분할 | 1280  | 인스턴스 분할 | `yolov8x-seg-1280`  | [브라우저에서 테스트](https://universe.roboflow.com/microsoft/coco-dataset-vdnr1/model/11) |
| YOLOv8x 키포인트 감지 | 1280  | 키포인트 감지 | `yolov8x-pose-1280` | [브라우저에서 테스트](https://universe.roboflow.com/microsoft/coco-pose-detection/6)       |
| YOLOv8x 키포인트 감지 | 640   | 키포인트 감지 | `yolov8x-pose-640`  | [브라우저에서 테스트](https://universe.roboflow.com/microsoft/coco-pose-detection/5)       |
| YOLOv8l 키포인트 감지 | 640   | 키포인트 감지 | `yolov8l-pose-640`  | [브라우저에서 테스트](https://universe.roboflow.com/microsoft/coco-pose-detection/4)       |
| YOLOv8m 키포인트 감지 | 640   | 키포인트 감지 | `yolov8m-pose-640`  | [브라우저에서 테스트](https://universe.roboflow.com/microsoft/coco-pose-detection/3)       |
| YOLOv8s 키포인트 감지 | 640   | 키포인트 감지 | `yolov8s-pose-640`  | [브라우저에서 테스트](https://universe.roboflow.com/microsoft/coco-pose-detection/2)       |
| YOLOv8n 키포인트 감지 | 640   | 키포인트 감지 | `yolov8n-pose-640`  | [브라우저에서 테스트](https://universe.roboflow.com/microsoft/coco-pose-detection/1)       |

## YOLOv8 API

{% stepper %}
{% step %}

### API 키를 받으세요

Roboflow 계정을 만들고, 다음에서 키를 찾으세요: [Roboflow API 설정 페이지](https://app.roboflow.com/settings/api) 그리고 셸에서 사용할 수 있도록 설정하세요:

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

{% endstep %}

{% step %}

### 종속성을 설치합니다

추론 SDK와 [supervision](https://supervision.roboflow.com/) 을 설치하여 예측을 디코딩하고 그리세요:

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

{% endstep %}

{% step %}

### 모델 실행

이 예시는 사전 학습된 `yolov8n-640` 체크포인트를 실행합니다. 자신의 가중치를 제공하려면, 다음으로 바꾸세요 `{workspace}/{model-slug}` ID (참조 [버전, 학습, 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="yolov8n-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" %}
설정하세요 `api_url` 배포 대상에 맞게 다음과 같이 설정하세요:

* `https://serverless.roboflow.com` 서버리스 클라우드 API용입니다.
* `http://localhost:9001` 로컬 [Inference](https://docs.roboflow.com/deployment/self-hosted/self-hosted) 서버입니다.
* 귀하의 [전용 배포](https://docs.roboflow.com/deployment/roboflow-cloud/dedicated-deployments) 비공개 엔드포인트용 URL입니다.
  {% endhint %}

또한 다음의 [`inference`](https://docs.roboflow.com/deployment/self-hosted/self-hosted) 패키지를 사용해 체크포인트를 인프로세스로 불러올 수도 있습니다:

```python
from inference import get_model

model = get_model(model_id="yolov8n-640")
results = model.infer("https://media.roboflow.com/inference/people-walking.jpg")
```

## 사용자 지정 가중치 업로드

Roboflow 외부에서 학습한 YOLOv8 모델을 실행하려면, 해당 가중치를 다음이 있는 프로젝트에 업로드하세요. [Roboflow CLI](https://docs.roboflow.com/reference/platform/cli/install-and-set-up-the-cli):

```bash
roboflow upload_model -p my-project -v 1 -t yolov8n -m ./runs/detect/train
```

설정하세요 `-t` 모델의 크기와 작업에 맞게(예: `yolov8s-seg`, `yolov8m-pose`). 다음을 참조하세요: [사용자 지정 가중치 업로드](https://docs.roboflow.com/models/ko/model-weights/upload-custom-weights.md) Python SDK 및 학습 버전 요구사항은 다음을 참조하세요.

## 라이선스

YOLOv8는 AGPL-3.0에 따라 배포됩니다. 상업적 사용에 대해 이는 다음을 의미합니다:

* **Roboflow 클라우드에서는:** 무료 요금제를 포함한 모든 사용자에게 상업용 라이선스가 포함됩니다.
* **자가 호스팅:** Enterprise 라이선스 애드온이 필요하며, 그렇지 않으면 애플리케이션을 AGPL-3.0으로 오픈 소스로 공개해야 합니다.
* **보다 자유로운 대안:** [RF-DETR](https://docs.roboflow.com/models/ko/supported-models/rf-detr.md) 은 Apache 2.0이며, 어디서나 상업적 용도로 무료로 사용할 수 있습니다.

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