콘텐츠로 건너뛰기

RTDETRv2와 PP-YOLOE+: 트랜스포머와 CNN의 기술적 비교

물체 감지의 환경은 크게 발전해 왔으며, 서로 다른 아키텍처 철학으로 나뉘어져 있습니다. 한쪽에는 컨볼루션 신경망(CNN)의 효율성이 확립되어 있고, 다른 한쪽에는 비전 트랜스포머(ViT)가 새롭게 떠오르고 있습니다. 이 비교에서는 바이두가 개발한 두 가지 대표적인 모델을 살펴봅니다: RTDETRv2 (실시간 감지 트랜스포머 v2)와 PP-YOLOE+입니다.

PP-YOLOE+가 PaddlePaddle 에코시스템 내에서 정교한 CNN 기반의 앵커 프리 감지의 정점을 보여주는 반면, RTDETRv2는 실시간 애플리케이션을 위해 트랜스포머 아키텍처를 적용함으로써 그 한계를 뛰어넘습니다. 엔지니어가 컴퓨터 비전 프로젝트에 적합한 도구를 선택하려면 신경망 설계부터 배포 요구 사항에 이르기까지 이 두 가지 사이의 미묘한 차이를 이해하는 것이 필수적입니다.

RTDETRv2: 트랜스포머의 진화

RTDETRv2는 기존 RT-DETR 성공을 기반으로 구축되었으며, 일반적으로 DETR 기반 모델과 관련된 높은 계산 비용을 해결하면서 뛰어난 글로벌 컨텍스트 이해도를 유지하는 것을 목표로 합니다. 트랜스포머의 높은 정확도와 실시간 추론에 필요한 속도 사이의 간극을 메우기 위해 설계되었습니다.

아키텍처 및 주요 기능

RTDETRv2는 멀티스케일 특징을 효율적으로 처리하는 하이브리드 인코더를 사용합니다. 로컬 컨볼루션에 크게 의존하는 기존 CNN과 달리 트랜스포머 아키텍처는 자체 주의 메커니즘을 활용하여 이미지 전체에서 장거리 종속성을 포착합니다. 핵심 혁신은 객체 쿼리의 초기화를 개선하여 더 빠른 수렴과 더 나은 정확도를 이끌어내는 IoU 쿼리 선택입니다. 또한, 비최대 억제(NMS) 후처리가 필요하지 않아 파이프라인을 진정한 엔드투엔드로 만들 수 있습니다.

강점과 약점

강점:

  • 글로벌 컨텍스트: 주의 메커니즘을 통해 모델은 이미지의 멀리 떨어진 부분 간의 관계를 이해할 수 있어 복잡한 장면이나 맥락이 중요한 장면에서 탁월한 성능을 발휘합니다.
  • 엔드투엔드 로직: NMS 제거하면 배포 파이프라인이 간소화되고 종종 수동 조정이 필요한 하이퍼파라미터가 제거됩니다.
  • 높은 정확도: 일반적으로 비슷한 규모의 CNN에 비해 COCO 같은 데이터 세트에서 더 높은 평균 정밀도(mAP) 를 달성합니다.

약점:

  • 리소스 집약도: 최적화에도 불구하고 트랜스포머는 본질적으로 더 많은 CUDA 메모리를 소비하며 효율적인 CNN에 비해 트레이닝에 더 강력한 GPU를 필요로 합니다.
  • 훈련 복잡성: 수렴 속도가 느려질 수 있으며, 훈련 레시피는 표준 YOLO 모델보다 하이퍼파라미터에 더 민감하게 반응하는 경우가 많습니다.

RTDETRv2에 대해 자세히 알아보세요.

PP-YOLOE+: 앵커 없는 CNN의 강자

PP-YOLOE+는 PaddlePaddle 프레임워크를 위해 특별히 개발된 YOLO 시리즈의 발전된 버전입니다. 순수 CNN 아키텍처를 사용하여 추론 속도와 탐지 정확도 간의 균형을 최적화하는 실용적인 배포에 중점을 둡니다.

아키텍처 및 주요 기능

PP-YOLOE+는 CSPRepResNet 백본과 경로 집계 네트워크(PAN) 넥을 갖추고 있습니다. 결정적으로, 앵커가 없는 헤드를 사용하므로 미리 정의된 앵커 박스가 필요하지 않아 설계가 간소화됩니다. 이 모델은 분류 및 로컬라이제이션 작업이 잘 동기화되도록 하는 동적 라벨 할당 전략인 작업 정렬 학습(TAL)을 사용하여 최종 예측의 품질을 향상시킵니다.

강점과 약점

강점:

  • 추론 속도: CNN 기반 모델로서 속도에 매우 최적화되어 있으며, 특히 컨볼루션 연산이 잘 가속되는 엣지 하드웨어에 최적화되어 있습니다.
  • 간소화된 설계: 앵커가 필요 없기 때문에 필요한 하이퍼파라미터와 엔지니어링 휴리스틱의 수가 줄어듭니다.
  • 균형 잡힌 성능: 경쟁력 있는 속도 대비 정확도 비율을 제공하여 범용 산업용 애플리케이션에 적합합니다.

약점:

  • 프레임워크 종속성: PaddlePaddle 생태계에 깊이 묶여 있으면 주로 다음에서 작업하는 팀과 마찰이 발생할 수 있습니다. PyTorch 또는 TensorFlow 워크플로를 주로 사용하는 팀과 마찰을 일으킬 수 있습니다.
  • 로컬 수신 필드: CNN은 효과적이기는 하지만, 매우 복잡한 시각적 장면에서 글로벌 컨텍스트를 캡처하는 데 트랜스포머보다 더 많은 어려움을 겪습니다.

PP-YOLOE+에 대해 자세히 알아보세요.

성능 분석: 정확성 대 효율성

RTDETRv2와 PP-YOLOE+ 사이의 선택은 배포 환경의 특정 제약 조건에 따라 결정되는 경우가 많습니다. 하드웨어가 더 높은 계산 오버헤드를 허용하는 경우 RTDETRv2가 더 뛰어난 탐지 기능을 제공합니다. 반대로, 엄격하게 제한된 실시간 추론 시나리오의 경우 PP-YOLOE+가 여전히 강력한 경쟁자입니다.

모델크기
(픽셀)		mAPval
50-95		속도
CPU ONNX
(ms)		속도
T4 TensorRT10
(ms)		파라미터
(M)		FLOPs
(B)
RTDETRv2-s64048.1-5.032060
RTDETRv2-m64051.9-7.5136100
RTDETRv2-l64053.4-9.7642136
RTDETRv2-x64054.3-15.0376259
PP-YOLOE+t64039.9-2.844.8519.15
PP-YOLOE+s64043.7-2.627.9317.36
PP-YOLOE+m64049.8-5.5623.4349.91
PP-YOLOE+l64052.9-8.3652.2110.07
PP-YOLOE+x64054.7-14.398.42206.59

데이터 인사이트:

  • 정확도: 가장 큰 PP-YOLOE+x 모델이 가장 높은 mAP (54.7)를 달성하여 RTDETRv2-x를 앞섰습니다. 그러나 중간 크기와 큰 크기를 보면 일반적으로 모델 계층별로 RTDETRv2가 더 높은 정확도를 제공합니다.
  • 지연 시간: PP-YOLOE+s는 TensorRT 2.62ms로 속도 왕으로, 가벼운 작업을 위한 CNN 아키텍처의 효율성을 강조합니다.
  • 계산: RTDETRv2 모델은 일반적으로 직접 PP-YOLOE+ 모델보다 더 적은 파라미터를 필요로 하지만(예: RTDETRv2-x는 76M 파라미터, PP-YOLOE+x는 98M), 트랜스포머 아키텍처로 인해 작동 중에 더 높은 FLOP과 메모리 소비가 발생하는 경우가 종종 있습니다.

Ultralytics 이점: 개발자가 YOLO11 선택하는 이유

RTDETRv2 및 PP-YOLOE+와 같은 모델을 살펴보면 다양한 아키텍처 접근 방식에 대한 인사이트를 얻을 수 있지만, 대부분의 개발자는 성능과 사용성 및 에코시스템 지원 간의 균형을 맞추는 솔루션을 필요로 합니다. 바로 여기에 Ultralytics YOLO11 가 탁월한 솔루션입니다.

Ultralytics YOLO11 단순한 모델이 아니라 전체 머신 러닝 운영(MLOps) 라이프사이클을 간소화하도록 설계된 포괄적인 비전 AI 프레임워크의 일부입니다.

Ultralytics 애널리틱스 모델의 주요 이점

  • 사용 편의성: 연구용 트랜스포머 모델이나 PaddleDetection과 같은 프레임워크 전용 도구에 종종 필요한 복잡한 구성과 달리, Ultralytics "제로 투 히어로" 환경을 제공합니다. Python 코드 몇 줄로 최첨단 모델을 훈련할 수 있습니다.
  • 메모리 효율성: RTDETRv2와 같은 트랜스포머 기반 모델은 메모리 사용량이 많기로 악명이 높기 때문에 트레이닝에 상당한 CUDA 메모리가 필요합니다. Ultralytics YOLO 모델은 효율성에 최적화되어 소비자용 GPU에서 훈련하고 Raspberry Pi 또는 Jetson Nano와 같은 엣지 장치에 배포할 수 있습니다.
  • 다목적성: PP-YOLOE+와 RTDETRv2는 주로 탐지에 중점을 두지만, YOLO11 기본적으로 인스턴스 분할, 포즈 추정, 분류 및 OBB(지향 객체 탐지) 등 다양한 작업을 지원합니다.
  • 잘 관리된 에코시스템: 잦은 업데이트, 방대한 문서, 방대한 커뮤니티를 갖춘 Ultralytics 지원 부족이나 오래된 종속성으로 인해 차단되는 일이 없도록 보장합니다.
  • 학습 효율성: Ultralytics 즉시 사용 가능한 사전 학습된 가중치와 강력한 데이터 보강 파이프라인을 제공하여 모델이 더 적은 데이터로 더 빠르게 수렴할 수 있도록 도와줍니다.

메모리 최적화

트랜스포머 모델을 훈련하려면 24GB 이상의 VRAM을 갖춘 하이엔드 GPU가 필요한 경우가 많습니다. 반면, Ultralytics YOLO11 모델은 고도로 최적화되어 있으며 최소 8GB VRAM의 표준 GPU에서도 미세 조정이 가능하여 개발자와 스타트업의 진입 장벽을 크게 낮췄습니다.

Ultralytics 통한 간단한 구현

다음 코드는 더 복잡한 학술 리포지토리에 비해 사용자 친화적인 설계를 강조하면서 Ultralytics Python API를 사용하여 모델을 훈련하고 배포하는 것이 얼마나 쉬운지 보여줍니다.

from ultralytics import YOLO

# Load a pre-trained YOLO11 model
model = YOLO("yolo11n.pt")

# Train the model on your custom dataset
# This handles data loading, augmentation, and logging automatically
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Run inference on an image
# Returns a list of Result objects with boxes, masks, keypoints, etc.
results = model("path/to/image.jpg")

# Export the model to ONNX for deployment
model.export(format="onnx")

결론 결론: 올바른 선택하기

RTDETRv2, PP-YOLOE+, Ultralytics YOLO11 중 하나를 결정할 때는 특정 애플리케이션 요구 사항에 따라 결정해야 합니다.

  • 학술 연구를 수행하거나 복잡하고 어수선한 장면에서 정확도를 극대화하는 것이 중요한 유일한 지표이고 높은 훈련 비용을 감당할 수 있는 경우 RTDETRv2를 선택하세요.
  • PaddlePaddle 생태계에 깊이 통합되어 있고 지원되는 특정 하드웨어에서 효율적으로 실행되는 견고한 CNN 기반 탐지기가 필요한 경우 PP-YOLOE+를 선택하세요.
  • 대부분의 상용 및 실용적인 애플리케이션에는 Ultralytics YOLO11 선택하세요. 속도, 정확도, 메모리 효율성의 탁월한 균형과 세분화 및 추적 지원이 결합되어 개발자에게 가장 생산적인 선택이 될 것입니다. TensorRT, CoreML, OpenVINO 같은 형식으로 쉽게 배포할 수 있어 클라우드에서 엣지까지 어디서나 모델을 실행할 수 있습니다.

다른 모델 비교 살펴보기

이러한 아키텍처가 다른 주요 솔루션과 어떻게 비교되는지 자세히 알아보려면 다음 세부 비교표를 살펴보세요:


댓글