무료 / 오픈소스데이터셋 주석, 모델 학습, 엣지 배포를 위한 올인원 생태계를 제공합니다.
#1
실시간 비전 AI 모델과 이를 학습·라벨링·배포하는 통합 플랫폼
| 항목 / 지표 | ![]() | ![]() |
|---|---|---|
| 공식 도메인 | gethookd.ai | ultralytics.com |
| 가격 모델 | 무료 체험, 유료 | 무료+유료 |
| 월간 방문 수 | 83.61만 (836,116) | 79.34만 (793,423) |
| 전월 대비 트래픽 변화량 |
| +5.23만 (+6.7%) |
| +6.35만 (+8.7%) |
| 주요 시장 및 점유율 | 🇺🇸 미국 (40.9%) | 🇨🇳 중국 (15.2%) |
|---|
| 월 직접 방문 수 | 58.07만 | 23.97만 |
|---|
| 사용자 평점 | 4.3 | 4.6 |
|---|
| 지원 플랫폼 | 웹사이트 | 웹사이트 |
|---|

퍼포먼스 마케터를 위한 Meta 광고 스파이 라이브러리와 AI 광고 생성기
Facebook과 Instagram 집행 중 광고를 지속 갱신하는 색인에서 니치, 포맷, 집행 기간, 변형 수로 검색 및 필터링.
경쟁 브랜드를 팔로우하고 새 광고 집행 시 시작일과 운영 중 크리에이티브 수와 함께 알림을 받습니다.
트래픽, 성장, 상품으로 쇼핑몰을 탐색하고 월 방문자, 모든 Meta 광고, 베스트셀러, 유사 쇼핑몰을 확인.
광고 라이브러리를 Claude, ChatGPT, Gemini, Cursor, Perplexity에 연결해 자연어로 질문하고 출처 광고와 함께 답변을 받습니다.

실시간 비전 AI 모델과 이를 학습·라벨링·배포하는 통합 플랫폼
탐지, 인스턴스 분할, 자세 추정, 회전 박스, 분류, 추적을 하나의 모델 패밀리로 아우르며 GPU, CPU, 엣지 기기에서 실시간 추론에 최적화되어 있습니다.
SAM 지원 주석으로 데이터를 라벨링하고 AutoTrain으로 클라우드 GPU에서 학습하며, 유휴 시 0까지 축소되는 관리형 리전에 배포합니다.
학습된 모델을 ONNX, TensorRT, CoreML, TFLite 등 다양한 형식으로 내보내 클라우드 서버, 모바일, 임베디드 하드웨어에서 실행합니다.
AGPL-3.0 오픈소스 버전을 채택하거나 기업용 라이선스를 구매해 카피레프트 의무 없이 YOLO를 폐쇄소스 제품에 내장할 수 있습니다.
무료 / 오픈소스데이터셋 주석, 모델 학습, 엣지 배포를 위한 올인원 생태계를 제공합니다.
#1
특화 강점Enterprise-grade labeling and data curation platform for complex computer vision training pipelines.

특화 강점Better automated video ad generation from URLs, but lacks the competitor ad intelligence and spy library.

퍼포먼스 마케팅 크리에이티브 관리 및 런칭 도구는 더 강력하지만, 광고 라이브러리 정찰 기능은 다소 가볍습니다.

더 강력한 이커머스 스토어 추적 및 멀티플랫폼 광고 집계 기능을 제공하지만, Meta 광고 인텔리전스 워크플로에 대한 집중도는 다소 낮습니다.
특화 강점Provides advanced multimodal dataset curation and annotation tools specifically for computer vision teams.


무료 / 오픈소스보안 영상에서 실시간 로컬 객체 감지를 실행하도록 최적화된 오픈소스 자체 호스팅 NVR입니다.

TikTok 및 Meta 광고 스파이에 더 특화되어 있지만, GetHookd의 통합 AI 크리에이티브 생성 기능은 부족합니다.

무료 / 오픈소스사용자 정의 컴퓨터 비전 어노테이션 작업을 확장 지원하는 오픈소스 라벨링 도구입니다.

특화 강점컴퓨터 비전 워크플로를 위한 데이터셋큐레이션, 시각화, 품질 평가를 전문으로 합니다.

특화 강점프롬프트 기반으로 기업용 엔드투엔드 컴퓨터 비전 애플리케이션을 빠르게 조립하는 데 집중합니다.
더 강력한 이커머스 스토어 추적 및 멀티플랫폼 광고 집계 기능을 제공하지만, Meta 광고 인텔리전스 워크플로에 대한 집중도는 다소 낮습니다.