YOLO11과 RTDETRv2 비교#
컴퓨터 비전 분야는 빠르게 확장되어 개발자는 강력한 비전 기반 애플리케이션을 구축할 수 있는 다양한 선택지를 갖게 되었습니다. 실시간 객체 탐지 분야에서는 합성곱 신경망 (CNN)과 비전 Transformer (ViT) 간의 논의가 그 어느 때보다 활발합니다. 이 기술 비교에서는 고도로 최적화된 CNN 프레임워크의 정점인 YOLO11과 Detection Transformer 계열의 강력한 버전인 RTDETRv2라는 두 가지 주요 아키텍처를 살펴봅니다.
이 가이드는 아키텍처, 성능 지표, 이상적인 배포 시나리오를 분석해 머신러닝 엔지니어가 정보에 기반한 결정을 내릴 수 있도록 돕습니다. 두 모델 모두 정확도의 한계를 넓히고 있지만, Ultralytics YOLO 모델은 일반적으로 실제 프로덕션 환경에서 속도, 생태계 지원, 사용 편의성 측면에서 더 뛰어난 균형을 제공합니다.
YOLO11: 실제 환경의 다용도성을 위한 기준 모델#
Ultralytics가 선보인 YOLO11은 수년간 축적된 기초 연구를 바탕으로 빠르고 정확하며 매우 다용도적인 모델을 제공합니다. YOLO11은 객체 탐지, 인스턴스 세그멘테이션, 이미지 분류, 포즈 추정, 방향성 바운딩 박스 (OBB) 추출을 기본적으로 원활하게 처리하도록 설계되었습니다.
- 저자: Glenn Jocher 및 Jing Qiu
- 조직: Ultralytics
- 날짜: 2024-09-27
- GitHub: Ultralytics 저장소
- 문서: YOLO11 문서
아키텍처 및 강점#
YOLO11은 개선된 CNN 백본과 고급 공간 피처 피라미드를 갖춰 자원 효율성이 매우 높습니다. 하드웨어 제약이 엄격한 환경에서도 효과적으로 작동하며, 학습과 추론 중 메모리 사용량이 최소화됩니다. Ultralytics Platform은 YOLO11을 기본적으로 지원하므로 여러 MLOps 도구를 조합할 필요 없이 모델 모니터링, 데이터 어노테이션, 클라우드 학습을 간소화할 수 있습니다.
엣지 컴퓨팅을 대상으로 하는 개발자에게 YOLO11은 매우 낮은 지연 시간을 제공합니다. 경량 설계 덕분에 Raspberry Pi부터 일반 소비자용 휴대폰까지 다양한 디바이스에서 효율적으로 실행되므로 스마트 리테일, 제조 품질 관리, 자동화된 교통 관리의 표준 모델로 활용됩니다.
RTDETRv2: Baidu의 실시간 Transformer#
RTDETRv2 (실시간 Detection Transformer 버전 2)는 Transformer 기반 아키텍처를 실시간 작업에 활용할 수 있도록 하려는 Baidu의 시도를 나타냅니다. 원본 RT-DETR을 기반으로 하며, 추론 지연 시간을 늘리지 않고 기준 정확도를 개선하기 위해 "공짜 보따리" 접근 방식을 도입했습니다.
- 저자: Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang, Yi Liu
- 기관: Baidu
- 날짜: 2024-07-24
- Arxiv: 2407.17140
- GitHub: RTDETRv2 저장소
- 문서: RTDETRv2 README
아키텍처 및 강점#
기존 CNN과 달리 RTDETRv2는 셀프 어텐션 메커니즘을 갖춘 인코더-디코더 아키텍처를 사용해 이미지 전반의 전역 문맥을 포착할 수 있습니다. 이는 가림 현상이 자주 발생하는 복잡한 장면에서 특히 유리합니다. RTDETRv2는 후처리 과정에서 비최대 억제 (NMS)가 필요하지 않으며, 학습 중 일대일 이분 매칭을 위해 헝가리안 매칭을 사용합니다.
그러나 Transformer 모델은 VRAM 및 CUDA 메모리를 매우 많이 사용하는 것으로 알려져 있습니다. RTDETRv2를 처음부터 학습하거나 사용자 지정 데이터셋으로 파인튜닝하려면 상당한 규모의 고급 GPU 클러스터가 필요한 경우가 많습니다. 이는 학습 시 메모리 사용량이 적은 Ultralytics 모델과 비교할 때, 소규모의 민첩한 팀에 장벽이 될 수 있습니다.
성능 및 지표 분석#
표준 COCO 데이터셋에서 이러한 모델을 평가하면 파라미터, FLOPs, 실제 정확도 간의 뚜렷한 상충 관계를 확인할 수 있습니다.
| 모델 | 크기 (픽셀) | mAP검증 50-95 | 속도 CPU ONNX (ms) | 속도 T4 TensorRT10 (ms) | 파라미터 (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLO11n | 640 | 39.5 | 56.1 | 1.5 | 2.6 | 6.5 |
| YOLO11s | 640 | 47.0 | 90.0 | 2.5 | 9.4 | 21.6 |
| YOLO11m | 640 | 51.5 | 183.2 | 4.7 | 20.1 | 68.1 |
| YOLO11l | 640 | 53.4 | 238.6 | 6.2 | 25.3 | 87.2 |
| YOLO11x | 640 | 54.7 | 462.8 | 11.3 | 56.9 | 195.3 |
| RTDETRv2-s | 640 | 48.1 | - | 5.03 | 20 | 60 |
| RTDETRv2-m | 640 | 51.9 | - | 7.51 | 36 | 100 |
| RTDETRv2-l | 640 | 53.4 | - | 9.76 | 42 | 136 |
| RTDETRv2-x | 640 | 54.3 | - | 15.03 | 76 | 259 |
결과 자세히 살펴보기#
표에서 볼 수 있듯이 YOLO11은 놀라운 성능 대 크기 비율을 제공합니다. YOLO11x는 RTDETRv2-x (54.3)보다 높은 mAPval (54.7)을 달성하면서 파라미터 수는 훨씬 적고 (56.9M 대 76M), 연산 FLOPs도 크게 줄였습니다 (195.3B 대 259B).
또한 T4 TensorRT에서 YOLO11의 추론 속도는 매우 빠릅니다. YOLO11s는 단 2.5ms 만에 추론을 완료하지만 가장 작은 RTDETRv2-s는 5.03ms가 걸립니다. 따라서 프레임 처리 시간이 주요 병목인 고속 실시간 비디오 분석 스트림에는 YOLO11이 확실한 선택입니다.
RTDETRv2는 어텐션 레이어를 통해 뛰어난 정확도를 달성하지만, 해당 메커니즘은 이미지 해상도의 제곱에 비례해 확장되므로 학습과 추론 중 VRAM 사용량이 늘어납니다. YOLO11은 초고효율 합성곱 블록으로 이러한 문제를 피합니다.
학습 생태계 및 사용성#
Ultralytics 모델 도입의 핵심 장점은 이를 둘러싼 생태계에 있습니다. RTDETRv2를 학습하려면 연구용 저장소의 복잡한 구조를 다루고, 정교한 이분 매칭 손실 가중치를 조정하며, 상당한 메모리 오버헤드를 관리해야 하는 경우가 많습니다.
반면 Ultralytics는 개발자 경험에 큰 비중을 둡니다. 통합 Python API가 상용구 코드를 추상화하고, Weights & Biases와 실험 추적을 원활하게 통합하며, 데이터 증강을 자동으로 처리합니다.
ultralytics 패키지를 사용해 모델을 학습하고 내보내는 방법은 다음과 같이 간단합니다.
from ultralytics import YOLO
# 사전 학습 가중치로 YOLO11 모델 초기화
model = YOLO("yolo11n.pt")
# 로컬 GPU 또는 클라우드 인스턴스에서 모델을 효율적으로 학습
train_results = model.train(
data="coco8.yaml",
epochs=100,
imgsz=640,
device=0, # CUDA GPU 사용
)
# 폭넓은 배포를 위해 학습된 모델을 ONNX로 내보내기
export_path = model.export(format="onnx")학습이 끝난 YOLO11 모델은 ONNX, OpenVINO, CoreML과 같은 형식으로 단일 명령만으로 내보낼 수 있어, 다양한 하드웨어 백엔드에 비전 파이프라인을 손쉽게 확장할 수 있습니다.
RTDETRv2는 바운딩 박스 탐지에만 집중하지만 YOLO11 아키텍처는 인스턴스 세그멘테이션과 포즈 추정을 기본적으로 지원하므로 여러 비전 작업을 하나의 모델 계열로 통합할 수 있습니다.
사용 사례 및 권장 사항#
YOLO11과 RT-DETR 중 어느 것을 선택할지는 구체적인 프로젝트 요구 사항, 배포 제약, 선호하는 생태계에 따라 달라집니다.
YOLO11을 선택해야 하는 경우#
YOLO11은 다음과 같은 경우에 적합합니다.
- 프로덕션 엣지 배포: 안정성과 지속적인 유지 관리가 가장 중요한 Raspberry Pi 또는 NVIDIA Jetson과 같은 디바이스에서 상용 애플리케이션을 실행하는 경우입니다.
- 멀티태스크 비전 애플리케이션: 하나의 통합 프레임워크에서 감지, 분할, 자세 추정, OBB가 필요한 프로젝트입니다.
- 신속한 프로토타이핑 및 배포: 간소화된 Ultralytics Python API를 사용하여 데이터 수집부터 프로덕션 배포까지 빠르게 진행해야 하는 팀에 적합합니다.
RT-DETR을 선택해야 하는 경우#
다음과 같은 경우 RT-DETR을 권장합니다.
- Transformer 기반 탐지 연구: NMS를 사용하지 않는 엔드투엔드 객체 탐지를 위해 어텐션 메커니즘과 Transformer 아키텍처를 연구하는 프로젝트입니다.
- 지연 시간 제약이 유연한 고정확도 시나리오: 탐지 정확성이 최우선이며 추론 지연 시간이 약간 높아도 괜찮은 애플리케이션입니다.
- 대형 객체 탐지: 주로 중대형 객체가 있는 장면으로, Transformer의 전역 어텐션 메커니즘이 자연스러운 이점을 제공하는 경우입니다.
Ultralytics(YOLO26)를 선택해야 하는 경우#
대부분의 신규 프로젝트에는 성능과 개발자 경험을 가장 잘 조합한 Ultralytics YOLO26을 권장합니다.
- NMS가 필요 없는 엣지 배포: 비최대 억제 후처리의 복잡성 없이 일관된 저지연 추론이 필요한 애플리케이션입니다.
- CPU 전용 환경: 전용 GPU 가속 기능이 없는 디바이스에서 YOLO26의 최대 43% 빠른 CPU 추론은 결정적인 이점을 제공합니다.
- 작은 객체 탐지: 항공 드론 이미지나 IoT 센서 분석과 같이 작은 객체의 정확도를 ProgLoss와 STAL이 크게 높여 주는 까다로운 시나리오입니다.
앞으로의 전망: YOLO26의 강력한 성능#
YOLO11은 뛰어난 프로덕션용 선택지이지만, 최첨단 기술을 원하는 팀은 YOLO26을 적극 고려해야 합니다. 2026년 1월에 출시된 YOLO26은 YOLOv10에서 처음 선보인 선택형 엔드투엔드 NMS 프리 헤드 (nms=False)를 핵심에 직접 통합해 아키텍처 격차를 해소하고, NMS 후처리 지연 시간과 배포 로직의 복잡성을 없앱니다.
YOLO26에는 다음과 같은 혁신적인 기능도 추가되었습니다.
- MuSGD 옵티마이저: Moonshot AI의 Kimi K2에서 사용된 LLM 학습 기법에서 영감을 얻은 SGD와 Muon의 하이브리드로, 매우 안정적인 학습과 훨씬 빠른 수렴을 실현합니다.
- DFL 제거: 더 깔끔하고 간소화된 내보내기 과정을 위해 분포 초점 손실을 제거했으며, 저전력 엣지 디바이스 호환성을 크게 향상했습니다.
- ProgLoss + STAL: 이러한 고급 손실 함수는 소형 객체 인식 성능을 크게 개선합니다. 이는 드론 감시, 농업 모니터링, IoT 엣지 센서에 필수적입니다.
- 최대 43% 빠른 CPU 추론: 전용 GPU가 없는 배포 환경을 위해 YOLO26은 CPU 실행에 특화되어 최적화되었으며, 이전 세대보다 훨씬 뛰어난 성능을 제공합니다.
더 다양한 아키텍처를 살펴보고 싶다면 Ultralytics 문서에서 널리 채택된 YOLOv8, 폭넓게 사용되는 YOLOv5, 오픈 보캐뷸러리 탐지 애플리케이션을 위한 특화 모델 YOLO-World에 관한 내용도 확인할 수 있습니다. 검증된 YOLO11의 안정성을 우선시하든 YOLO26의 획기적인 혁신을 선택하든, Ultralytics 생태계는 컴퓨터 비전 솔루션을 실현할 탁월한 도구를 제공합니다.