Update docs predict, buttons, reference (#6585)

Signed-off-by: Glenn Jocher <glenn.jocher@ultralytics.com>

docs/ko/modes/index.md

@@ -40,34 +40,34 @@ YOLOv8이 지원하는 **모드**를 이해하는 것은 모델을 최대한 활
 
 Train 모드는 사용자 맞춤 데이터셋 위에서 YOLOv8 모델을 트레이닝하기 위해 사용됩니다. 이 모드에서는 지정된 데이터셋과 하이퍼파라미터를 사용하여 모델을 트레이닝합니다. 트레이닝 과정에서 모델의 파라미터를 최적화하여 이미지 내 객체의 클래스와 위치를 정확히 예측할 수 있도록 합니다.
 
-[Train 예시](train.md){ .md-button .md-button--primary}
+[Train 예시](train.md){ .md-button }
 
 ## [Val](val.md)
 
 Val 모드는 트레이닝된 YOLOv8 모델을 검증하기 위해 사용됩니다. 이 모드에서는 모델을 검증 세트에서 평가하여 정확도 및 일반화 성능을 측정합니다. 이 모드는 모델의 하이퍼파라미터를 조정하고 성능을 개선하는데 사용할 수 있습니다.
 
-[Val 예시](val.md){ .md-button .md-button--primary}
+[Val 예시](val.md){ .md-button }
 
 ## [Predict](predict.md)
 
 Predict 모드는 트레이닝된 YOLOv8 모델을 사용하여 새 이미지 또는 비디오에서 예측을 수행하기 위해 사용됩니다. 이 모드에서는 체크포인트 파일에서 모델을 로드하고, 사용자가 이미지나 비디오를 제공하여 추론을 수행합니다. 모델은 입력 이미지 또는 비디오에서 객체의 클래스와 위치를 예측합니다.
 
-[Predict 예시](predict.md){ .md-button .md-button--primary}
+[Predict 예시](predict.md){ .md-button }
 
 ## [Export](export.md)
 
 Export 모드는 배포를 위해 YOLOv8 모델을 내보낼 수 있는 포맷으로 변환하기 위해 사용됩니다. 이 모드에서는 모델을 다른 소프트웨어 어플리케이션 또는 하드웨어 기기에서 사용할 수 있는 포맷으로 변환합니다. 이 모드는 모델을 생산 환경으로 배포하는데 유용합니다.
 
-[Export 예시](export.md){ .md-button .md-button--primary}
+[Export 예시](export.md){ .md-button }
 
 ## [Track](track.md)
 
 Track 모드는 실시간으로 YOLOv8 모델을 사용하여 객체를 추적하기 위해 사용됩니다. 이 모드에서는 체크포인트 파일에서 모델을 로드하고, 사용자가 실시간 비디오 스트림을 제공하여 실시간 객체 추적을 수행합니다. 이 모드는 감시 시스템이나 자율 주행 차량 같은 애플리케이션에 유용합니다.
 
-[Track 예시](track.md){ .md-button .md-button--primary}
+[Track 예시](track.md){ .md-button }
 
 ## [Benchmark](benchmark.md)
 
 Benchmark 모드는 YOLOv8의 다양한 내보내기 포맷에 대한 속도와 정확도를 프로파일링하기 위해 사용됩니다. 벤치마크는 내보낸 포맷의 크기, 그리고 객체 탐지, 세분화 및 포즈에 대한 `mAP50-95` 메트릭 또는 분류에 대한 `accuracy_top5` 메트릭, 그리고 ONNX, OpenVINO, TensorRT 등 다양한 내보내기 포맷에서의 이미지당 추론 시간을 밀리초로 제공합니다. 이 정보는 속도와 정확도에 대한 특정 사용 사례 요구 사항에 기반하여 최적의 내보내기 포맷을 선택하는 데 도움이 될 수 있습니다.
 
-[Benchmark 예시](benchmark.md){ .md-button .md-button--primary}
+[Benchmark 예시](benchmark.md){ .md-button }

docs/ko/quickstart.md

@@ -204,4 +204,4 @@ Ultralytics 명령줄 인터페이스(CLI)는 Python 환경이 필요 없이 단
     - `yolo predict model yolov8n.pt imgsz 640 conf 0.25`   ❌
     - `yolo predict --model yolov8n.pt --imgsz 640 --conf 0.25`   ❌
 
-[CLI 가이드](/../usage/cli.md){ .md-button .md-button--primary}
+[CLI 가이드](/../usage/cli.md){ .md-button }

docs/ko/tasks/index.md

@@ -30,25 +30,25 @@ YOLOv8는 여러 컴퓨터 비전 **작업**을 지원하는 AI 프레임워크
 
 탐지는 YOLOv8이 지원하는 기본 작업입니다. 이미지 또는 비디오 프레임에서 객체를 탐지하고 주변에 경계 상자를 그리는 것을 포함합니다. 탐지된 객체들은 그 특징에 따라 다른 카테고리로 분류됩니다. YOLOv8은 단일 이미지나 비디오 프레임에서 여러 객체를 정확하고 빠르게 탐지할 수 있습니다.
 
-[탐지 예시](detect.md){ .md-button .md-button--primary}
+[탐지 예시](detect.md){ .md-button }
 
 ## [세분화](segment.md)
 
 세분화는 이미지를 내용에 기반하여 다른 영역으로 나누는 작업입니다. 각 영역은 내용에 따라 레이블이 지정됩니다. 이 작업은 이미지 세분화와 의료 영상과 같은 응용 분야에 유용합니다. YOLOv8는 U-Net 아키텍처의 변형을 사용하여 세분화를 수행합니다.
 
-[세분화 예시](segment.md){ .md-button .md-button--primary}
+[세분화 예시](segment.md){ .md-button }
 
 ## [분류](classify.md)
 
 분류는 이미지를 다른 카테고리로 분류하는 작업입니다. YOLOv8는 이미지의 내용을 바탕으로 이미지 분류에 사용될 수 있습니다. 이는 EfficientNet 아키텍처의 변형을 사용하여 분류 작업을 수행합니다.
 
-[분류 예시](classify.md){ .md-button .md-button--primary}
+[분류 예시](classify.md){ .md-button }
 
 ## [자세](pose.md)
 
 자세/키포인트 탐지는 이미지나 비디오 프레임에서 특정 점들을 탐지하는 작업입니다. 이들 점은 키포인트로 불리며, 움직임 추적이나 자세 추정에 사용됩니다. YOLOv8은 이미지나 비디오 프레임의 키포인트를 정확하고 빠르게 탐지할 수 있습니다.
 
-[자세 예시](pose.md){ .md-button .md-button--primary}
+[자세 예시](pose.md){ .md-button }
 
 ## 결론