콘텐츠로 건너뛰기

YOLOv9와 PP-YOLOE+: 자세한 기술 비교

컴퓨터 비전 작업에는 올바른 물체 감지 모델을 선택하는 것이 중요합니다. 이 페이지에서는 아키텍처, 성능, 애플리케이션을 살펴보고 선택에 도움이 되는 YOLOv9과 PP-YOLOE+의 기술 비교를 제공합니다.

YOLOv9: 프로그래밍 가능한 그라데이션 정보

2024년에 출시되는 YOLOv9은 새로운 아키텍처 설계를 통한 정보 보존에 중점을 둔 YOLO 시리즈의 중요한 발전입니다.

  • 아키텍처: YOLOv9는 대만 학술원 정보과학연구소의 왕치엔야오와 홍위안 마크 리아오가 저술했습니다. 여기서는 프로그래밍 가능한 그라데이션 정보(PGI)와 일반화된 효율적인 계층 집계 네트워크(GELAN)를 소개합니다. PGI는 심층 네트워크 전파 중 정보 손실을 해결하고, GELAN은 네트워크 효율성을 최적화합니다. 이 혁신적인 조합은 계산 비용을 크게 증가시키지 않으면서 정확도를 향상시키는 것을 목표로 합니다. 논문 원본은 arXiv에서 확인할 수 있습니다. 공식 GitHub 리포지토리에서 구현에 대한 자세한 내용을 확인할 수 있습니다.
  • 성능: YOLOv9은 속도와 정확도의 균형으로 최첨단 성능을 달성합니다. 비교 차트와 표에서 볼 수 있듯이, YOLOv9 모델은 경쟁력 있는 추론 속도를 유지하면서 높은 mAP 값을 보여줍니다. 예를 들어, YOLOv9c는 53.0%의 mAPval50-95를달성합니다.
  • 사용 사례: YOLOv9의 향상된 효율성과 정확성은 제한된 컴퓨팅 리소스로 높은 탐지 성능이 중요한 로봇 공학, 자율 주행, 보안 시스템 등 다양한 애플리케이션에 적합합니다.

YOLOv9에 대해 자세히 알아보기

PP-YOLOE+: 향상된 앵커 프리 감지

PaddlePaddle 개발하고 패들감지 프레임워크에 자세히 설명되어 있는 PP-YOLOE+는 앵커가 필요 없는 접근 방식과 효율성으로 유명한 PP-YOLOE 시리즈의 진화 버전입니다.

  • 아키텍처: PP-YOLOE+는 앵커 없는 탐지 패러다임을 기반으로 하여 모델을 단순화하고 앵커 관련 하이퍼파라미터의 필요성을 줄입니다. 일반적으로 백본, 넥 및 감지 헤드 설계에서 기본 PP-YOLOE보다 개선된 기능이 포함되며, 종종 디커플링 헤드 및 VariFocal Loss와 같은 기술을 통합하여 감지 정확도를 개선합니다. 문서와 구현은 PaddleDetection GitHub에서 확인할 수 있습니다.
  • 성능: PP-YOLOE+ 모델은 정확도와 추론 속도 간에 강력한 균형을 제공하도록 설계되었습니다. 비교 표에서 볼 수 있듯이 PP-YOLOE+m 및 PP-YOLOE+l과 같은 PP-YOLOE+ 모델은 경쟁력 있는 mAP 점수와 효율적인 추론 시간을 제공하므로 다양한 애플리케이션에 다양하게 활용할 수 있습니다.
  • 사용 사례: PP-YOLOE+는 앵커가 필요 없는 설계와 균형 잡힌 성능 특성으로 강력하고 효율적인 물체 감지가 필요한 산업 품질 검사, 스마트 리테일, 환경 모니터링과 같은 애플리케이션에 매우 적합합니다.

PP-YOLOE+ 문서(패들 감지)

모델 크기
(픽셀)
mAPval
50-95
속도
CPU ONNX
(ms)
속도
T4TensorRT10
(ms)
매개변수
(M)
FLOPs
(B)
YOLOv9t 640 38.3 - 2.3 2.0 7.7
YOLOv9s 640 46.8 - 3.54 7.1 26.4
YOLOv9m 640 51.4 - 6.43 20.0 76.3
YOLOv9c 640 53.0 - 7.16 25.3 102.1
YOLOv9e 640 55.6 - 16.77 57.3 189.0
PP-YOLOE+t 640 39.9 - 2.84 4.85 19.15
PP-YOLOE+s 640 43.7 - 2.62 7.93 17.36
PP-YOLOE+m 640 49.8 - 5.56 23.43 49.91
PP-YOLOE+l 640 52.9 - 8.36 52.2 110.07
PP-YOLOE+x 640 54.7 - 14.3 98.42 206.59

다른 고성능 객체 감지 모델에 관심이 있는 사용자를 위해 Ultralytics 각각 고유한 강점과 최적화를 갖춘 YOLOv5, YOLOv7, YOLOv8 및 최첨단 YOLO11 제공합니다. 자세한 비교 및 세부 정보는 모델 설명서를 참조하세요.

📅1 년 전 생성됨 ✏️ 1개월 전 업데이트됨

댓글