> 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-tasks/keypoint-detection.md).

# 키포인트 감지

객체와 각 객체에서 정해진 포인트 집합(예: 포즈 추정을 위한 사람의 관절)을 찾고, Roboflow에서 자체 키포인트 감지 모델을 학습하고 배포하세요.

## 키포인트 감지란 무엇인가요?

키포인트 감지는 각 객체와 객체에 있는 정해진 포인트 집합을 찾습니다. 모델은 객체마다 클래스 레이블과 바운딩 박스, 각 키포인트의 위치와 신뢰도를 반환합니다(예: 사람의 어깨, 팔꿈치, 무릎). 포인트를 연결해 프로젝트에서 정의한 스켈레톤을 구성합니다. 객체의 위치뿐 아니라 신체 부위의 위치나 각도가 중요한 경우에 사용하세요.

<figure><img src="https://2225311784-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fcmo9mhfIjYrvFFy1U7dk%2Fuploads%2Fgit-blob-22e471520dbbe91d8447c9c6316da1b10f5eda76%2Fimg-task-keypoint-detection-wide.webp?alt=media" alt="A worker sorting oranges, with keypoints and a skeleton placed on the head, shoulders, arms, and hands"><figcaption></figcaption></figure>

## 지원되는 키포인트 감지 모델

Roboflow는 다음 키포인트 감지 모델을 지원합니다. 모델별 내보내기 및 배포 지원은 [키포인트 감지 모델](https://docs.roboflow.com/models/ko/supported-models.md#keypoint-detection) 표를 참조하세요.

<table data-search="false"><thead><tr><th>모델</th><th>라이선스</th><th data-type="checkbox">Roboflow에서 학습 가능</th><th>최신 릴리스</th></tr></thead><tbody><tr><td><a href="https://docs.roboflow.com/models/ko/supported-models/rf-detr.md">RF-DETR Pose</a></td><td><a href="https://docs.roboflow.com/models/ko/model-licenses.md#platform-model-license">PML 1.0</a> (Roboflow 클라우드에서 상업적 사용 포함)</td><td>true</td><td>2026</td></tr><tr><td><a href="https://docs.roboflow.com/models/ko/supported-models/rf-detr.md">RF-DETR(미리 보기)</a></td><td><a href="https://docs.roboflow.com/models/ko/model-licenses.md">Apache 2.0</a> (상업적 용도로 무료 사용 가능)</td><td>true</td><td>2026</td></tr><tr><td><a href="https://docs.roboflow.com/models/ko/supported-models/roboflow-3.md">Roboflow 3.0</a></td><td><a href="https://roboflow.com/licensing">Roboflow 라이선스</a></td><td>true</td><td>2023</td></tr><tr><td><a href="https://docs.roboflow.com/models/ko/supported-models/yolo26.md">YOLO26</a></td><td><a href="https://docs.roboflow.com/models/ko/model-licenses.md">AGPL-3.0</a> (상업적 사용에는 라이선스가 필요하며, Roboflow 클라우드에 포함되어 있습니다)</td><td>true</td><td>2026</td></tr><tr><td><a href="https://docs.roboflow.com/models/ko/supported-models/yolo11.md">YOLO11</a></td><td><a href="https://docs.roboflow.com/models/ko/model-licenses.md">AGPL-3.0</a> (상업적 사용에는 라이선스가 필요하며, Roboflow 클라우드에 포함되어 있습니다)</td><td>true</td><td>2024</td></tr></tbody></table>

## 사전 학습된 RF-DETR Pose 모델 사용

학습 없이 사람과 사람의 키포인트를 찾으려면 다음을 추가하세요: [키포인트 감지 모델](https://docs.roboflow.com/workflows/blocks/blocks/run-a-model/keypoint-detection-model) 블록을 [워크플로](https://docs.roboflow.com/workflows). 모델 선택기에서 "사전 학습됨" 탭을 열고 RF-DETR Pose를 선택한 다음, 각 단계의 크기를 선택하세요. 이 모델은 COCO 데이터셋으로 학습되었으며, COCO의 80개 클래스를 모두 감지하고 사람의 키포인트만 반환합니다.

## 키포인트 감지 모델 미세 조정

{% stepper %}
{% step %}

### 키포인트 감지 프로젝트 만들기

만들기 [프로젝트](https://docs.roboflow.com/datasets/create-and-upload/create-a-project) 를 선택하고 프로젝트 유형으로 "키포인트 감지"를 고릅니다. 그런 다음 [스켈레톤을 정의합니다](https://docs.roboflow.com/datasets/annotate/annotate/edit-keypoint-skeletons): 라벨을 지정할 점과 점들이 연결되는 방식을 설정합니다.

<figure><img src="https://2225311784-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fcmo9mhfIjYrvFFy1U7dk%2Fuploads%2Fgit-blob-b15a071a629926c02c28c53e9ec2567cfa311a29%2Fcreate-project-keypoint-detection.webp?alt=media" alt="Create project form with Keypoint Detection selected as the project type and a preview of a keypoint detection example"><figcaption></figcaption></figure>
{% endstep %}

{% step %}

### 이미지 업로드 및 주석 달기

[이미지 업로드](https://docs.roboflow.com/datasets/create-and-upload/adding-data)를 한 다음 각 이미지를 [주석 편집기에서](https://docs.roboflow.com/datasets/annotate/annotate/annotation-tools), 각 객체 주위에 상자를 그린 다음 [각 키포인트를 끌어](https://docs.roboflow.com/datasets/annotate/annotate/annotate-keypoints) 스켈레톤에서 제자리에 놓습니다. 가려진 점은 가림으로 표시합니다. AI 라벨링 도구는 키포인트 프로젝트를 지원하지 않으므로 키포인트를 직접 배치해야 합니다.

<figure><img src="https://2225311784-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fcmo9mhfIjYrvFFy1U7dk%2Fuploads%2Fgit-blob-61be286baf2707d0de361d2f0bb4896aa78178a2%2Fannotate-keypoints.webp?alt=media" alt="Annotation editor with a person box and a skeleton of keypoints placed on a skateboarder&#x27;s joints"><figcaption></figcaption></figure>
{% endstep %}

{% step %}

### 데이터셋 버전 생성

[데이터셋 버전 생성](https://docs.roboflow.com/datasets/versions/dataset-versions/create-a-dataset-version): 학습, 검증, 테스트 세트로 분할된 이미지의 고정 스냅샷이며, 전처리와 증강도 포함됩니다.
{% endstep %}

{% step %}

### 키포인트 감지 모델 학습

"Train"을 클릭하고 아키텍처와 크기를 선택합니다. 모든 옵션은 [모델 학습](https://docs.roboflow.com/models/ko/train/train-a-model.md) 에서 확인하세요.

<figure><img src="https://2225311784-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fcmo9mhfIjYrvFFy1U7dk%2Fuploads%2Fgit-blob-c18ee2f4d0003a4d5a2a83168d241bb76ab131bb%2Ftrain-architectures-keypoint-detection.webp?alt=media" alt="Select Architecture step on the Train page listing RF-DETR Pose (Recommended), RF-DETR Preview, YOLO26, Roboflow 3.0, and YOLOv11"><figcaption></figcaption></figure>
{% endstep %}
{% endstepper %}

## 키포인트 감지 모델 배포

학습이 끝나면 다음을 사용해 키포인트 감지 모델을 배포할 수 있습니다. [서버리스 클라우드 API](https://docs.roboflow.com/deployment/roboflow-cloud/serverless-api), [전용 배포](https://docs.roboflow.com/deployment/roboflow-cloud/dedicated-deployments), 또는 자체 하드웨어에서 다음을 사용할 수 있습니다. [Roboflow Inference](https://docs.roboflow.com/deployment/self-hosted/self-hosted). 옵션을 비교하려면 다음을 참고하세요. [배포 옵션 선택](https://docs.roboflow.com/deployment/choosing-a-deployment) .
