모델 비교: 프로젝트에 가장 적합한 객체 탐지 모델 선택

적합한 신경망 아키텍처를 선택하는 것은 성공적인 컴퓨터 비전 프로젝트의 초석입니다. Ultralytics 비교 허브에 오신 것을 환영합니다! 본 페이지는 최신 Ultralytics YOLO11, YOLOv10, RT-DETR, EfficientDet 등 주요 아키텍처 간의 장단점을 분석한 상세한 기술적 분석 및 성능 벤치마크를 한곳에 모아 제공합니다.

귀하의 애플리케이션이 엣지 AI의 밀리초 지연 시간을 요구하든, 의료 영상에 필요한 고정밀도를 요구하든, 이 가이드는 정보에 입각한 선택을 하는 데 필요한 데이터 기반 통찰력을 제공합니다. 우리는 평균 정밀도(mAP), 추론 속도, 매개변수 효율성 및 배포 용이성을 기반으로 모델을 평가합니다.

대화형 성능 벤치마크

속도와 정확도 간의 관계를 시각화하는 것은 주어진 속도 제약 조건에서 최고의 정확도를 제공하는 모델인 객체 detect의 "파레토 프론티어"를 식별하는 데 필수적입니다. 아래 차트는 표준 COCO와 같은 데이터셋의 주요 지표를 비교합니다.

이 차트는 주요 성능 지표를 시각화하여 다양한 모델 간의 장단점을 신속하게 평가할 수 있도록 합니다. 이러한 지표를 이해하는 것은 특정 배포 제약 조건에 맞는 모델을 선택하는 데 필수적입니다.

빠른 의사결정 가이드

어디서부터 시작해야 할지 모르겠다면? 이 의사결정 트리를 사용하여 하드웨어 및 성능 요구 사항에 가장 적합한 아키텍처를 좁혀보세요.

graph TD
    A[Start: Define Project Needs] --> B{Deployment Hardware?}
    B -- "Edge / Mobile (CPU/NPU)" --> C{Latency Priority?}
    B -- "Cloud / GPU" --> D{Accuracy vs Speed?}

    C -- "Extreme Speed (Real-time)" --> E[YOLO26n / YOLO26s]
    C -- "Balanced Legacy" --> F[YOLO11s / YOLOv8s]

    D -- "Max Accuracy (SOTA)" --> G[YOLO26x / YOLO26l]
    D -- "Balanced Performance" --> H[YOLO26m / YOLO11m]

    A --> I{Specialized Features?}
    I -- "NMS-Free Inference" --> J[YOLO26 / YOLOv10]
    I -- "Multitask (Seg/Pose/OBB)" --> K[YOLO26 / YOLO11]
    I -- "Video Analytics" --> L[YOLO26 + Tracking]

현재의 현황: YOLO26 및 그 이후

객체 detect 분야는 빠르게 변화하고 있습니다. 기존 모델이 레거시 지원에 여전히 유효한 반면, 새로운 아키텍처는 가능성의 한계를 확장하고 있습니다.

Ultralytics YOLO26

2026년 1월 출시된 YOLO26은 최신 최첨단 모델로, 모든 신규 프로젝트의 권장 시작점입니다. 이 모델은 획기적인 아키텍처 혁신을 도입했는데, 그중 엔드투엔드 NMS 프리 설계는 비최대 억제(NMS) 후처리 과정을 제거하여 더 빠르고 예측 가능한 추론 시간을 제공합니다. YOLO26은 이전 세대 대비 CPU에서 최대 43% 더 빠른 성능을 보여, 엣지 배포에 이상적입니다.

주요 혁신은 다음과 같습니다:

NMS 엔드 투 엔드: 후처리 없이 간소화된 배포
DFL 제거: ONNX, TensorRT 및 CoreML로의 간소화된 내보내기
MuSGD 최적화기: 안정적인 수렴을 위한 LLM 훈련에서 영감을 받은 하이브리드 SGD 최적화기
ProgLoss + STAL: 향상된 소형 물체 탐지 성능

왜 YOLO26을 선택해야 할까요?

YOLO26은 초고효율 CNN과 트랜스포머 기반의 엔드투엔드 기능을 결합한 Ultralytics 정점을 보여줍니다. 탐지, 분할, 자세 추정, 분류, OBB 등 모든 작업을 지원하면서도 그 어느 때보다 작고 빠르며 배포가 용이합니다.

Ultralytics YOLO11

YOLO11 YOLO11은 여전히 매우 우수한 성능을 가진 모델로, YOLOv8 대비 매개변수를 22% YOLOv8 탐지 정확도를 향상시켰습니다. 검증된 안정성이 필요하거나 기존 YOLO11 보유한 사용자에게는 완전히 지원되며 권장됩니다.

커뮤니티 모델: YOLO12 및 YOLO13에 대한 참고 사항

커뮤니티 토론이나 저장소에서 YOLO12 또는 YOLO13에 대한 언급을 접할 수 있습니다.

프로덕션 주의사항

현재 YOLO12 또는 YOLO13의 프로덕션 사용을 권장하지 않습니다.

YOLO12: 어텐션 레이어를 활용하는데, 이는 종종 학습 불안정성, 과도한 메모리 소비, 그리고 현저히 느린 CPU 추론 속도를 유발합니다.
YOLO13: 벤치마크에 따르면 YOLO11에 비해 정확도 향상이 미미하며, 모델 크기가 더 크고 속도가 느립니다. 보고된 결과에서는 재현성 문제가 나타났습니다.

참고: YOLO 비교: Ultralytics YOLO11 . YOLOv10 . YOLOv9 . Ultralytics YOLOv8

상세 모델 비교

백본 선택, 헤드 설계, 손실 함수와 같은 특정 아키텍처 차이점을 이해하기 위해 심층 기술 비교 자료를 살펴보세요. 쉽게 접근할 수 있도록 모델별로 정리했습니다.

YOLO26 대

YOLO26은 NMS 없는 엔드투엔드 탐지, MuSGD 최적화기, 최대 43% 빠른 CPU 특징으로 Ultralytics 최신 Ultralytics . 최첨단 정확도를 달성하면서도 에지 배포에 최적화되어 있습니다.

YOLO11 vs

YOLO11은 최첨단 연구를 통해 이전 모델들의 성공을 기반으로 합니다. 향상된 특징 추출과 최적화된 효율성을 위해 개선된 백본 및 넥 아키텍처를 특징으로 합니다.

10 대

칭화대학교에서 개발한 YOLOv10은 지연 시간 분산을 줄이기 위해 Non-Maximum Suppression (NMS) 단계를 제거하는 데 중점을 두며, 계산 오버헤드를 줄이면서 최첨단 성능을 제공합니다.

9 대

YOLOv9는 심층 신경망의 정보 손실 문제를 해결하기 위해 PGI(Programmable Gradient Information)와 GELAN(Generalized Efficient Layer Aggregation Network)을 도입합니다.

8 대

Ultralytics YOLOv8은 고급 백본 및 넥 아키텍처와 최적의 정확도-속도 균형을 위한 앵커 프리 분할 헤드를 특징으로 하여 여전히 매우 인기 있는 선택입니다.

7 대

YOLOv7은 추론 비용을 증가시키지 않으면서 학습 프로세스 최적화에 중점을 두어 "trainable bag-of-freebies"와 모델 재매개변수화를 도입했습니다.

6 대

Meituan의 YOLOv6는 양방향 연결(BiC) 모듈과 앵커 보조 훈련 전략을 특징으로 하는 산업용 애플리케이션을 위해 설계되었습니다.

5 대

Ultralytics YOLOv5는 사용 편의성, 안정성 및 속도로 잘 알려져 있습니다. 광범위한 장치 호환성이 필요한 프로젝트에 여전히 강력한 선택입니다.

RT-DETR vs

RT-DETR (Real-Time Detection Transformer)은 비전 트랜스포머를 활용하여 실시간 성능으로 높은 정확도를 달성하며, 전역 컨텍스트 이해에 탁월합니다.

PP-YOLOE+ vs

Baidu에서 개발한 PP-YOLOE+는 Task Alignment Learning (TAL)과 디커플드 헤드를 사용하여 효율성과 정확성의 균형을 맞춥니다.

DAMO-YOLO vs

Alibaba Group의 DAMO-YOLO는 Neural Architecture Search (NAS)와 효율적인 RepGFPN을 사용하여 정적 벤치마크에서 정확도를 극대화합니다.

YOLOX vs

Megvii에서 개발한 YOLOX는 디커플드 헤드와 SimOTA 라벨 할당 전략으로 알려진 앵커 프리 진화 모델입니다.

EfficientDet vs

Google Brain의 EfficientDet은 복합 스케일링과 BiFPN을 사용하여 파라미터 효율성을 최적화하며, 다양한 제약 조건에 맞는 여러 모델(D0-D7)을 제공합니다.

이 인덱스는 새로운 모델이 출시되고 벤치마크가 개선됨에 따라 지속적으로 업데이트됩니다. 다음 컴퓨터 비전 프로젝트에 가장 적합한 모델을 찾기 위해 이러한 자료들을 살펴보시길 권장합니다. 사설 라이선싱을 포함한 엔터프라이즈급 솔루션을 찾고 계시다면, 당사의 라이선싱 페이지를 방문해 주십시오. 즐거운 비교 되세요!