YOLOv5 대 YOLOv7#

컴퓨터 비전 분야는 더 빠르고 정확한 실시간 객체 감지에 대한 요구를 바탕으로 지난 몇 년 동안 빠르게 발전해 왔습니다. 컴퓨터 비전 프로젝트에 적합한 아키텍처를 선택할 때는 Ultralytics YOLOv5와 YOLOv7 같은 인기 모델 간의 차이를 이해하는 것이 중요합니다. 이 종합적인 기술 비교에서는 아키텍처, 학습 방법론, 성능 지표 및 이상적인 배포 시나리오를 자세히 살펴보고, 정보에 입각한 결정을 내릴 수 있도록 지원합니다.

한눈에 보기: 모델의 기원#

이러한 모델의 기원과 설계 철학을 이해하면 아키텍처 선택의 배경을 파악하는 데 도움이 됩니다.

YOLOv5 세부 정보:

• 저자: Glenn Jocher
• 조직: Ultralytics
• 날짜: 2020-06-26
• GitHub: YOLOv5 리포지토리
• 문서: YOLOv5 Documentation

YOLOv7 세부 정보:

• 저자: Chien-Yao Wang, Alexey Bochkovskiy, Hong-Yuan Mark Liao
• 기관: 대만 중앙연구원 정보과학연구소
• 날짜: 2022-07-06
• Arxiv: YOLOv7 논문
• GitHub: YOLOv7 리포지토리
• 문서: YOLOv7 문서

YOLOv7에 대해 자세히 알아보세요

아키텍처 혁신 및 차이점#

YOLOv5: 접근성의 표준#

2020년 Ultralytics가 출시한 YOLOv5는 PyTorch 프레임워크를 기본적으로 활용하여 패러다임의 전환을 가져왔으며, 연구자와 개발자의 진입 장벽을 크게 낮췄습니다. 이 아키텍처는 수정된 CSPDarknet53 백본을 기반으로 하며, Cross Stage Partial 네트워크(CSP)를 통합하여 그래디언트 흐름을 유지하면서 파라미터 수를 줄입니다.

YOLOv5의 가장 큰 강점 중 하나는 메모리 요구 사항입니다. 이전의 2단계 검출기나 RT-DETR과 같은 대형 Transformer 모델에 비해 YOLOv5는 학습 중 CUDA 메모리를 상당히 적게 사용하므로, 일반적인 소비자용 GPU에서 더 큰 배치 크기를 사용할 수 있습니다. 또한 기본적으로 통합된 다목적성을 통해 이미지 분류, 객체 감지, 이미지 세그멘테이션을 원활하게 지원합니다.

YOLOv7: 실시간 정확도의 한계를 뛰어넘다#

2022년 중반에 출시된 YOLOv7은 MS COCO 벤치마크에서 실시간 감지의 최첨단 성능을 확장하는 데 중점을 두었습니다. 저자들은 원래의 그래디언트 경로를 손상시키지 않으면서 네트워크의 학습 능력을 향상하는 Extended Efficient Layer Aggregation Network(E-ELAN)을 도입했습니다.

YOLOv7은 특히 "학습 가능한 bag-of-freebies"로도 유명합니다. 학습 중 재매개변수화 기법을 사용하여 여러 모듈을 추론 시 단일 컨볼루션 레이어로 변환함으로써 정확도를 저하시키지 않고 속도를 향상합니다. 그러나 이러한 복잡한 학습 방법론은 기본 Ultralytics 생태계와 비교할 때 학습 곡선이 더 가파르고 내보내기 파이프라인이 덜 직관적인 경우가 많습니다.

성능 비교#

이러한 모델을 평가할 때는 속도, 정확도 및 계산 비용 간의 성능 균형이 가장 중요합니다. 아래에서는 MS COCO val2017 데이터셋을 기반으로 두 모델의 성능 지표를 자세히 비교합니다.

YOLOv7은 더 큰 변형 모델에서 절대 mAP 점수가 더 높지만, YOLOv5는 초경량 Nano(YOLOv5n)부터 클라우드 추론용 Extra-Large(YOLOv5x)까지 탁월한 모델 스펙트럼을 제공합니다.

Ultralytics 생태계의 이점#

모델의 유용성은 순수한 아키텍처를 넘어 확장됩니다. 모델을 둘러싼 생태계가 프로덕션 배포 속도를 좌우하기 때문입니다. 이 부분에서 Ultralytics 모델이 특히 뛰어납니다.

• 사용 편의성: Ultralytics Platform과 통합 Python API는 간소화된 사용자 경험, 간결한 구문 및 풍부한 문서를 제공합니다. 사용자 지정 데이터셋을 학습하는 데 보일러플레이트 코드가 전혀 필요하지 않습니다.
• 잘 유지 관리되는 생태계: Ultralytics는 활발한 개발, 잦은 업데이트 및 강력한 커뮤니티 지원의 이점을 제공합니다. Comet ML 및 Weights & Biases와 같은 도구와의 통합이 기본으로 제공됩니다.
• 학습 효율성: 데이터 로더, 스마트 캐싱 및 멀티 GPU 지원을 통해 Ultralytics 모델을 매우 효율적으로 학습할 수 있습니다. 즉시 사용할 수 있는 사전 학습 가중치는 전이 학습을 크게 가속합니다.

코드 예제: 시작하기#

Ultralytics를 사용하면 모델을 배포하는 데 몇 줄의 코드만 필요합니다. 다음 Python 스니펫은 권장되는 ultralytics 패키지를 사용하여 모델을 로드하고 학습하며 추론을 실행하는 과정이 얼마나 간단한지 보여줍니다.

from ultralytics import YOLO

# Load a pretrained YOLOv5s model
model = YOLO("yolov5s.pt")

# Train the model on the COCO8 example dataset
# Ultralytics automatically handles data downloading and augmentation
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Run inference on a sample image
predictions = model("https://ultralytics.com/images/bus.jpg")

# Display the predictions
predictions[0].show()

반면, 원본 YOLOv7 리포지토리를 사용하려면 일반적으로 복잡한 리포지토리를 클론하고, 종속성을 수동으로 관리하며, 긴 명령줄 인수를 사용해야 합니다.

실제 애플리케이션 및 이상적인 사용 사례#

YOLOv7을 선택해야 하는 경우#

YOLOv7은 최대 mAP가 유일한 목표이고 시스템이 앵커 기반 출력 텐서에 맞게 이미 구성된 경우, 학술 벤치마킹이나 특정 레거시 GPU 파이프라인에 여전히 강력한 후보입니다. 그래디언트 경로 분석을 연구하는 연구자들은 YOLOv7을 기준선으로 자주 사용합니다.

YOLOv5를 선택해야 하는 경우#

YOLOv5는 뛰어난 안정성 덕분에 프로덕션 환경에서 높은 선호를 받고 있습니다. 다음과 같은 경우에 가장 먼저 고려되는 선택입니다.

• 모바일 및 엣지 컴퓨팅: CoreML을 통해 iOS에 YOLOv5n을 배포하거나 TFLite를 통해 Android에 배포합니다.
• 애자일 스타트업: 빠른 반복 주기가 필요한 팀은 데이터셋 관리 및 클라우드 학습을 위한 원활한 Ultralytics Platform 통합의 이점을 얻을 수 있습니다.
• 멀티태스크 환경: 객체 감지, 분류 및 세그멘테이션을 동시에 수행해야 하는 시스템입니다.

미래: YOLO26으로의 전환#

YOLOv5와 YOLOv7을 비교하는 것은 비전 AI의 발전 과정을 이해하는 데 훌륭한 방법이지만, 최첨단 기술은 계속 발전해 왔습니다. 2026년 1월에 출시된 Ultralytics YOLO26은 획기적인 도약을 이루어 새로운 프로젝트에서는 기존 아키텍처를 대부분 구식으로 만들었습니다.

최고 수준의 성능을 원하는 개발자를 위해 YOLO26은 YOLOv5와 YOLOv7 모두에 비해 다음과 같은 획기적인 이점을 제공합니다.

• 엔드투엔드 NMS-Free 설계: Non-Maximum Suppression 후처리를 제거하여 YOLO26은 배포를 크게 단순화하고 더 빠르며 일관된 지연 시간을 제공합니다.
• MuSGD Optimizer: Moonshot AI의 LLM 혁신에서 영감을 받은 이 하이브리드 옵티마이저는 매우 안정적인 학습과 빠른 수렴을 제공합니다.
• 탁월한 엣지 속도: 엣지 환경에 맞게 특별히 최적화된 나노 변형 모델은 Distribution Focal Loss(DFL)를 제거하여 CPU 추론 속도를 최대 43% 향상합니다.
• 뛰어난 정확도: ProgLoss + STAL과 같은 새로운 손실 함수는 작은 객체 인식 성능을 크게 향상하여 드론 영상과 로보틱스에 적합합니다.

기존 YOLOv5 파이프라인을 유지 관리하든 최첨단 YOLO26을 구현하려 하든, Ultralytics Platform은 최신 컴퓨터 비전에서 성공하는 데 필요한 모든 도구를 제공합니다.