콘텐츠로 건너뛰기

YOLO11 대 YOLOX: 기술 비교

정확도, 속도 및 구현 용이성 간의 균형을 맞추는 올바른 객체 감지 모델을 선택하는 것은 매우 중요한 결정입니다. 이 페이지에서는 Ultralytics YOLO11(Ultralytics의 최신 최첨단 모델)과 Megvii의 중요한 앵커 프리 모델인 YOLOX 간의 자세한 기술 비교를 제공합니다. 두 모델 모두 실시간 객체 감지 분야를 발전시켰지만 YOLO11은 강력하고 활발하게 유지 관리되는 에코시스템을 기반으로 하는 보다 포괄적이고 다재다능하며 사용자 친화적인 솔루션을 제공합니다.

Ultralytics YOLO11: 최첨단 성능 및 다재다능함

Ultralytics YOLO11은 Glenn Jocher와 Jing Qiu가 제작한 Ultralytics의 최신 플래그십 모델로, 광범위한 컴퓨터 비전 작업에서 타의 추종을 불허하는 성능과 유연성을 제공하도록 설계되었습니다. YOLOv8과 같은 이전 모델의 성공적인 기반을 기반으로 하며 뛰어난 정확도와 효율성을 위해 중요한 아키텍처 개선을 도입했습니다.

아키텍처 및 주요 기능

YOLO11은 특징 추출을 향상시키고 감지 프로세스를 간소화하는 고도로 최적화된 앵커 프리(Anchor-Free) 아키텍처를 특징으로 합니다. 이 설계는 속도와 정확도 간의 더 나은 균형을 제공하여 다른 모델에 비해 더 적은 매개변수와 더 낮은 계산 비용으로 더 높은 mAP 점수를 달성하는 경우가 많습니다.

YOLO11의 주요 장점은 다재다능함입니다. 객체 감지기일 뿐만 아니라 인스턴스 분할, 이미지 분류, 포즈 추정 및 OBB(Oriented Bounding Box) 감지를 포함하여 즉시 사용 가능한 여러 작업을 지원하는 포괄적인 비전 AI 프레임워크입니다.

강점

  • 뛰어난 성능: 최첨단 정확도와 속도를 달성하여 유사한 모델 크기에서 많은 경쟁사보다 뛰어난 성능을 보입니다.
  • 사용 편의성: 간단한 Python API 및 CLI, 광범위한 문서와 수많은 튜토리얼이 함께 제공되어 초보자와 전문가 모두가 접근할 수 있습니다.
  • 잘 관리되는 에코시스템: 지속적인 개발, GitHub 및 Discord에서의 강력한 커뮤니티, 그리고 잦은 업데이트를 통해 이점을 얻습니다. Ultralytics HUB와 같은 도구와의 통합은 원활한 MLOps 경험을 제공합니다.
  • 학습 효율성: 효율적인 학습 프로세스를 제공하며, 즉시 사용 가능한 사전 학습된 가중치를 통해 더 빠른 수렴이 가능합니다. 또한 트랜스포머와 같은 더 복잡한 아키텍처에 비해 학습 및 추론 중에 더 낮은 메모리 요구 사항을 가집니다.
  • 다중 작업 다재다능함: 단일 프레임워크를 사용하여 광범위한 비전 작업을 수행할 수 있어 개발 복잡성과 시간이 줄어듭니다.
  • 배포 유연성: 에지 장치에서 클라우드 서버에 이르기까지 다양한 하드웨어에 최적화되어 있으며, ONNX 및 TensorRT와 같은 다양한 내보내기 형식을 지원합니다.

약점

  • 최첨단 모델로서 YOLO11x와 같은 더 큰 변형은 계산 집약적일 수 있으므로 실시간 성능을 위해 강력한 하드웨어가 필요합니다.
  • 생태계는 강력하지만, 일부 틈새 타사 도구 통합은 이전의 더 확립된 모델에 더 적합할 수 있습니다.

이상적인 사용 사례

YOLO11은 높은 정확도, 속도 및 다재다능성을 결합하여 광범위한 응용 분야에 이상적인 선택입니다.

YOLO11에 대해 자세히 알아보세요

YOLOX: 앵커 프리 접근 방식

Megvii에서 개발한 YOLOX는 YOLO 제품군에 크게 기여했으며, 앵커 프리(anchor-free) 설계를 도입하여 이전 모델에 비해 감지 파이프라인을 단순화하고 성능을 향상시켰습니다.

아키텍처 및 주요 기능

YOLOX의 주요 혁신에는 앵커 프리(anchor-free) 감지기, 분류 및 회귀를 위한 분리된 헤드, 그리고 SimOTA라는 고급 레이블 할당 전략이 포함됩니다. 이러한 변경 사항은 보다 간소화되고 효과적인 객체 감지기를 만드는 것을 목표로 했습니다.

강점

  • 높은 정확도: YOLOX는 특히 더 큰 모델 변형에서 경쟁력 있는 mAP 점수를 제공합니다.
  • Anchor-Free 단순성: 사전 정의된 앵커 박스를 제거하여 튜닝해야 하는 하이퍼파라미터 수를 줄여 일반화를 개선할 수 있습니다.
  • 검증된 모델: 2021년에 출시되었기 때문에 커뮤니티가 있으며 다양한 프로젝트에 적용되었습니다.

약점

  • 제한적인 활용성: YOLOX는 주로 객체 탐지를 위해 설계되었습니다. YOLO11에서 표준으로 제공되는 세분화, 포즈 추정 및 OBB와 같은 다른 작업에 대한 기본 지원이 부족합니다.
  • 단편화된 에코시스템: 오픈 소스이지만 Ultralytics에서 제공하는 통합되고 잘 관리된 에코시스템이 없습니다. 사용자는 MLOps 도구와 통합하고 배포하는 데 더 많은 노력을 기울여야 할 수 있습니다.
  • 성능 격차: 성능 표에서 볼 수 있듯이 YOLOX 모델은 YOLO11 모델보다 느리고 정확도가 떨어질 수 있습니다. 예를 들어 YOLOX-l은 mAP에서 YOLO11l보다 성능이 떨어지면서 파라미터와 FLOP이 훨씬 더 많습니다.
  • CPU 성능: CPU 추론에 대한 벤치마크를 쉽게 구할 수 없어 YOLO11이 명확한 지표를 제공하는 CPU 바운드 시나리오에서의 성능을 평가하기 어렵습니다.

이상적인 사용 사례

YOLOX는 다음과 같은 특정 요구 사항이 있는 프로젝트에 적합한 선택입니다.

  • 고성능 객체 탐지: 주요 목표가 순수한 객체 탐지 정확도인 시나리오에 적합합니다.
  • 연구 기준: 앵커 프리(anchor-free) 감지 방법 연구를 위한 기본 모델입니다.
  • 산업 애플리케이션: 전용 객체 감지기가 충분한 품질 관리와 같은 작업에 적합합니다.

YOLOX에 대해 자세히 알아보세요

성능 분석: YOLO11 vs YOLOX

성능 비교는 Ultralytics YOLO11의 발전을 명확하게 보여줍니다. 모든 모델 크기에서 YOLO11은 일관되게 더 나은 정확도와 효율성 균형을 제공합니다.

모델 크기
(픽셀)		 mAPval
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 21.5
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
YOLOXnano 416 25.8 - - 0.91 1.08
YOLOXtiny 416 32.8 - - 5.06 6.45
YOLOXs 640 40.5 - 2.56 9.0 26.8
YOLOXm 640 46.9 - 5.43 25.3 73.8
YOLOXl 640 49.7 - 9.04 54.2 155.6
YOLOXx 640 51.1 - 16.1 99.1 281.9
  • 정확도: YOLO11 모델은 YOLOX 모델보다 일관되게 더 높은 mAP 점수를 달성합니다. 예를 들어 YOLO11m은 51.5 mAP에 도달하여 더 적은 파라미터로 YOLOXm의 46.9 mAP를 크게 능가합니다.
  • 효율성: YOLO11은 뛰어난 효율성을 보여줍니다. YOLO11l은 25.3M 파라미터만으로 53.4 mAP를 달성하는 반면, YOLOXl은 더 낮은 49.7 mAP에 도달하기 위해 54.2M 파라미터가 필요합니다.
  • 속도: YOLO11은 CPU 및 GPU 추론 모두에 최적화되어 있습니다. 가장 작은 모델인 YOLO11n은 T4 GPU에서 1.5ms의 인상적인 지연 시간을 자랑하므로 실시간 애플리케이션에 이상적입니다. YOLOX의 보고된 속도는 유사한 모델에 비해 더 느립니다.

결론 및 권장 사항

YOLOX는 앵커 프리 객체 검출에서 중요한 발전이었지만, Ultralytics YOLO11은 성능, 다재다능성 및 사용 편의성의 최상의 조합을 추구하는 개발자와 연구자에게 확실한 승자입니다.

YOLO11은 정확도 및 효율성과 같은 주요 지표에서 YOLOX를 능가할 뿐만 아니라 훨씬 더 포괄적이고 지원적인 생태계를 제공합니다. 단일의 사용하기 쉬운 프레임워크 내에서 여러 비전 작업을 처리할 수 있는 기능을 통해 최신 AI 솔루션을 구축하는 데 더욱 실용적이고 강력한 선택이 됩니다. 신속한 프로토타입 제작에서 프로덕션 규모 배포에 이르기까지 모든 새로운 프로젝트에 Ultralytics YOLO11 모델을 권장합니다.

기타 모델 비교

YOLO11 및 YOLOX가 다른 모델과 어떻게 비교되는지 궁금하다면 다음 비교 페이지를 확인해 보세요.



📅 1년 전에 생성됨 ✏️ 1개월 전에 업데이트됨
glenn-jocher

댓글