> 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 YOLOv8는 Ultralytics의 객체 탐지, 인스턴스 분할, 키포인트 검출 모델 패밀리입니다. Roboflow는 COCO로 사전 학습된 YOLOv8 체크포인트를 짧은 별칭으로 제공하며, 다음을 할 수 있습니다 [직접 학습한 가중치를 업로드하여](/models/ko/model-weights/upload-custom-weights.md) 다른 곳에서 학습한 모델을 실행할 수 있습니다. Roboflow에서는 YOLOv8 학습이 지원되지 않습니다. Roboflow로 학습된 탐지 모델은 다음을 참조하세요 [RF-DETR](/models/ko/supported-models/rf-detr.md), [YOLO26](/models/ko/supported-models/yolo26.md), 또는 [YOLO11](/models/ko/supported-models/yolo11.md). ## 사전 학습된 별칭 다음 ID 중 하나를 `model_id` 로 전달하면 아무것도 학습하지 않고 COCO 사전 학습 체크포인트를 실행할 수 있습니다. 전체 목록은 다음에서 확인할 수 있습니다. [사전 학습된 모델 별칭](/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 검출 | 1280 | 키포인트 검출 | `yolov8x-pose-1280` | [브라우저에서 테스트](https://universe.roboflow.com/microsoft/coco-pose-detection/6) | | YOLOv8x 키포인트 검출 | 640 | 키포인트 검출 | `yolov8x-pose-640` | [브라우저에서 테스트](https://universe.roboflow.com/microsoft/coco-pose-detection/5) | | YOLOv8l 키포인트 검출 | 640 | 키포인트 검출 | `yolov8l-pose-640` | [브라우저에서 테스트](https://universe.roboflow.com/microsoft/coco-pose-detection/4) | | YOLOv8m 키포인트 검출 | 640 | 키포인트 검출 | `yolov8m-pose-640` | [브라우저에서 테스트](https://universe.roboflow.com/microsoft/coco-pose-detection/3) | | YOLOv8s 키포인트 검출 | 640 | 키포인트 검출 | `yolov8s-pose-640` | [브라우저에서 테스트](https://universe.roboflow.com/microsoft/coco-pose-detection/2) | | YOLOv8n 키포인트 검출 | 640 | 키포인트 검출 | `yolov8n-pose-640` | [브라우저에서 테스트](https://universe.roboflow.com/microsoft/coco-pose-detection/1) | ## 코드 샘플 {% stepper %} {% step %} ### API 키 받기 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 %} ### 의존성 설치하기 Inference SDK와 [supervision](https://supervision.roboflow.com/) 을 설치해 예측을 디코딩하고 그리세요: ```bash pip install -U inference-sdk supervision opencv-python ``` {% endstep %} {% step %} ### 모델 실행하기 이 예제는 사전 학습된 `yolov8n-640` 체크포인트를 실행합니다. 자신의 가중치를 제공하려면, 다음을 여러분의 것으로 바꾸세요. `{workspace}/{model-slug}` ID (참조 [버전, 학습, 및 모델](/models/ko/versions-trainings-and-models.md)). ```python import os import cv2 import supervision as sv from inference_sdk import InferenceHTTPClient 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"], ) 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 설정하세요: * `https://serverless.roboflow.com` Serverless Hosted API용입니다. * `http://localhost:9001` 로컬 [Inference](https://docs.roboflow.com/deployment/self-hosted/self-hosted) 서버. * 사용자 [전용 배포](https://docs.roboflow.com/deployment/roboflow-cloud/dedicated-deployments) 비공개 엔드포인트용 URL. {% endhint %} 또한 다음을 사용해 프로세스 내에서 체크포인트를 로드할 수 있습니다. [`inference`](https://docs.roboflow.com/deployment/self-hosted/self-hosted) 패키지: ```python from inference import get_model model = get_model(model_id="yolov8n-640") results = model.infer("https://media.roboflow.com/inference/people-walking.jpg") ```