YOLO11 YOLOv6-3.0 비교: 세부 모델 비교
물체 감지 작업에서 최적의 성능을 달성하려면 올바른 컴퓨터 비전 모델을 선택하는 것이 중요합니다. Ultralytics 각각 고유한 강점을 가진 다양한 YOLO 모델을 제공합니다. 이 페이지에서는 아키텍처, 성능 메트릭, 이상적인 애플리케이션에 초점을 맞춰 객체 감지에 널리 사용되는 두 가지 모델인 Ultralytics YOLO11 YOLOv6-3.0의 기술 비교를 제공합니다.
Ultralytics YOLO11
2024-09-27에 출시된 UltralyticsYOLO11 Ultralytics 글렌 조처와 징 치우가 저술한 YOLO 시리즈의 최신 첨단 모델입니다. 이전 버전을 기반으로 물체 감지, 인스턴스 분할, 이미지 분류, 포즈 추정 등 다양한 컴퓨터 비전 작업에서 향상된 정확도와 효율성을 제공하도록 설계된 최첨단 물체 감지 기능을 제공합니다.
YOLO11 더 정확한 예측과 더 높은 효율성을 위해 아키텍처 개선 사항을 도입했습니다. 특히, YOLO11m은 YOLOv8m 비해 더 적은 수의 파라미터로 COCO 데이터 세트에서 더 높은 평균 정밀도(mAP)를 달성합니다. 이러한 효율성은 엣지 디바이스에서 클라우드 시스템에 이르기까지 다양한 플랫폼으로 확장됩니다. 최적화된 설계로 처리 속도가 빨라지고 계산 비용이 절감되므로 실시간 애플리케이션과 리소스가 제한된 환경에 적합합니다. 자세한 내용은 YOLO11 공식 문서를 참조하세요.
YOLO11 강점:
- 뛰어난 정확도: 더 적은 매개변수로 더 높은 mAP를 달성하여 감지 정밀도를 향상시킵니다.
- 효율성 향상: 처리 속도가 빨라지고 계산 비용이 절감됩니다.
- 다목적성: 감지, 세분화, 분류, 포즈 추정 등 다양한 작업을 지원합니다.
- 플랫폼 간 호환성: 엣지 및 클라우드 시스템 모두에서 잘 작동합니다.
- 사용 편의성: Ultralytics HUB 및 Python 패키지와 원활하게 통합됩니다.
YOLO11 약점:
- 새 모델: 최신 모델이기 때문에 기존 모델에 비해 커뮤니티 지원 및 문서화 작업이 아직 진행 중입니다.
YOLO11 이상적인 사용 사례:
YOLO11 정확도와 속도 균형은 다음과 같이 높은 정밀도와 실시간 성능을 필요로 하는 애플리케이션에 이상적입니다:
- 자율주행차의 첨단 운전자 지원 시스템(ADAS )(자율주행의 AI)
- 제조 분야의 고정밀 로봇 공학(제조 분야의 AI)
- 보안 강화를 위한 정교한 감시 시스템(도난 방지를 위한 컴퓨터 비전)
- 정확한 진단을 위한 의료 이미지 분석(의료 분야의 AI)
- 실시간 스포츠 분석(스포츠에서의 컴퓨터 비전 적용 사례 살펴보기)
YOLOv6-3.0
YOLOv6-3.0은 2023-01-13에 출시된 고성능 객체 감지 프레임워크로, Meituan이 개발하고 Chuyi Li, Lulu Li 등이 저술했습니다. 속도와 정확성 사이의 균형이 필요한 산업 애플리케이션을 위해 설계되었습니다. YOLOv6-3.0은 양방향 연결(BiC) 모듈과 앵커 보조 훈련(AAT) 전략과 같은 아키텍처 혁신을 통합하여 속도를 크게 저하시키지 않으면서 성능을 향상시킵니다.
YOLOv6-3.0은 효율성과 속도가 뛰어난 것으로 잘 알려져 있으며, 다양한 연산 요구 사항을 충족할 수 있도록 다양한 모델 크기(N, S, M, L)를 제공합니다. 최적화된 설계와 양자화 지원으로 실시간 애플리케이션과 엣지 디바이스 배포에 특히 적합합니다. 자세한 정보는 YOLOv6 설명서 및 YOLOv6 GitHub 리포지토리에서 확인할 수 있습니다.
YOLOv6-3.0의 강점:
- 빠른 추론 속도: 실시간 성능에 최적화되어 높은 FPS를 달성합니다.
- 균형 잡힌 정확도: 정확도와 속도 사이의 균형이 잘 잡혀 있습니다.
- 양자화 지원: 속도와 효율성을 높이기 위해 INT8 양자화를 제공합니다.
- 모바일 최적화: 모바일 및 CPU 배포를 위해 특별히 설계된 YOLOv6Lite 모델을 포함합니다.
- 확립된 모델: 강력한 커뮤니티와 코드베이스로 잘 문서화되어 있습니다.
YOLOv6-3.0의 약점:
- 잠재적으로 낮은 정확도: 특정 복잡한 시나리오에서 YOLO11 같은 최신 YOLO 모델에 비해 정확도가 약간 낮을 수 있습니다.
- 개발 출처: Ultralytics 에코시스템에 통합되었지만 Ultralytics 외부에서 개발되었습니다.
YOLOv6-3.0의 이상적인 사용 사례:
YOLOv6-3.0은 속도와 효율성이 가장 중요한 애플리케이션에 적합합니다:
- 엣지 디바이스에서 실시간 물체 감지(엣지 AI)
- 빠르고 안정적인 감지가 필요한 산업 자동화(컴퓨터 비전으로 제조 개선)
- 신속한 처리가 중요한 감시 및 보안 시스템(비전 AI로 감시의 현주소 깨뜨리기)
- 리소스 제약이 있는 모바일 애플리케이션(엣지 AI 디바이스에 컴퓨터 비전 애플리케이션 배포)
- 높은 처리량의 비디오 분석
| 모델 | 크기 (픽셀) |
mAPval 50-95 |
속도 CPU ONNX (ms) |
속도 T4TensorRT10 (ms) |
매개변수 (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 | 21.5 |
| YOLO11m | 640 | 51.5 | 183.2 | 4.7 | 20.1 | 68.0 |
| YOLO11l | 640 | 53.4 | 238.6 | 6.2 | 25.3 | 86.9 |
| YOLO11x | 640 | 54.7 | 462.8 | 11.3 | 56.9 | 194.9 |
| YOLOv6-3.0n | 640 | 37.5 | - | 1.17 | 4.7 | 11.4 |
| YOLOv6-3.0s | 640 | 45.0 | - | 2.66 | 18.5 | 45.3 |
| YOLOv6-3.0m | 640 | 50.0 | - | 5.28 | 34.9 | 85.8 |
| YOLOv6-3.0l | 640 | 52.8 | - | 8.95 | 59.6 | 150.7 |
다른 모델을 살펴보고 싶은 사용자는 성능과 기능의 균형이 잘 잡힌 Ultralytics YOLOv8 , 고급 아키텍처 개선이 이루어진 YOLOv9, 최신 기능이 추가된 YOLOv10, YOLO 제품군에서 각각 고유한 강점을 제공하는 YOLO 및 YOLOv5 고려할 수 있습니다.
