Link to this sectionYOLO 아키텍처 설명: YOLOv3부터 YOLO26까지#

모든 Ultralytics YOLO 모델은 세 가지 단계로 구성됩니다: 특징을 추출하는 백본(backbone), 특징을 규모별로 융합하는 넥(neck), 그리고 상자와 클래스를 예측하는 **헤드(head)**입니다. 이 가이드는 각 단계를 구성하는 모듈과 YOLOv3에서 YOLO26으로 어떻게 변경되었는지 문서화하며, ultralytics/cfg/models/의 설정 파일과 ultralytics/nn/modules/의 모듈 클래스에 정의된 모든 구성 요소를 추적합니다.

각 모델은 YAML 파일에 레이어의 순서 목록으로 선언적으로 정의되며, 모든 레이어는 [from, repeats, module, args] 형식을 따릅니다: 어떤 레이어로부터 입력을 받는지, 모듈이 몇 번 반복되는지, 레이어 클래스(Conv, C3k2, SPPF, Detect 등), 그리고 생성자 인자입니다. 모델 YAML 설정 가이드는 repeats와 args가 모델 변형의 깊이와 너비 배수에 따라 어떻게 확장되는지를 포함한 이 형식과 전체 모듈 해석 시스템을 문서화합니다. 이 가이드는 모듈 자체와 버전별 변경 사항에 중점을 둡니다.

Link to this section세 가지 단계#

모든 Ultralytics YOLO 모델은 이미지를 순차적인 세 단계를 거쳐 처리하며, 각 단계는 고유한 역할을 수행합니다:

기본 단위는 Conv 블록(conv.py에 정의됨)으로, 2D 컨볼루션, 배치 정규화, SiLU 활성화 함수가 순차적으로 적용됩니다. 아래의 모든 더 큰 모듈은 Conv 블록을 조합하여 구축됩니다.

Link to this section아키텍처 다이어그램#

Each version keeps the same backbone → neck → head skeleton and changes specific stages. The tabs below show the per-version structure: the backbone and neck stages follow the configs in ultralytics/cfg/models/, while the YOLOv3 and YOLOv5 heads are drawn in their original anchor-based form rather than the anchor-free u-variant head their package configs actually ship. Stepping through the tabs shows what each generation added. In short, the progression is: YOLOv3 is an FPN-only, anchor-based detector; YOLOv5 adds the bottom-up PAN path and SPPF; YOLOv8 switches to the C2f block with an anchor-free, DFL head; YOLO11 inserts C2PSA attention and the C3k2 block; and YOLO26 adds an SPPF residual and makes the head NMS-free and DFL-free. Node colors follow the documentation diagram convention: green input, blue backbone, slate spatial pooling and attention, orange neck, purple head and output.

flowchart TD
    IN[Input 640x640]:::start --> ST[Conv stem<br/>5x stride-2 down to P1-P5]:::proc
    ST --> BB[Darknet-53 backbone<br/>stacked Bottleneck]:::proc
    BB --> FPN[Neck FPN only<br/>top-down Upsample + Concat]:::decide
    FPN --> HD[Detect head<br/>3 scales, anchor-based]:::out
    HD --> O[Predictions + NMS]:::out
    classDef start fill:#4CAF50,color:#fff
    classDef proc fill:#2196F3,color:#fff
    classDef decide fill:#FF9800,color:#fff
    classDef out fill:#9C27B0,color:#fff

The YOLOv3 and YOLOv5 diagrams show the original anchor-based head. The ultralytics package ships the anchor-free YOLOv3u and YOLOv5u configs — the same Darknet-53 and C3 backbones with YOLOv8's Detect head — described under Detection Head.

Link to this section백본 블록: Bottleneck → C3 → C2f → C3k2#

백본은 스트라이드-2 Conv 다운샘플링 레이어 사이에 반복되는 CSP(Cross-Stage Partial) 블록을 쌓습니다. 버전마다 가장 많이 변경된 부분이 바로 이 반복 블록입니다. 아래의 모든 블록은 block.py에 위치하며, c1/c2는 입력/출력 채널이고 c = 0.5 * c2는 숨겨진 너비입니다.

Link to this sectionBottleneck (YOLOv3)#

The base unit is Bottleneck: two Conv layers (default kernels (3, 3)) with an optional residual add when shortcut=True and c1 == c2. YOLOv3's Darknet-53 backbone stacks these directly, with no CSP split, and detects at three scales (strides 8, 16, 32).

Link to this sectionC3 (YOLOv5)#

YOLOv5의 C3는 입력을 두 개의 1x1 컨볼루션으로 나눕니다: cv1은 n개의 순차적 Bottleneck 블록(커널 (1, 1) 후 (3, 3))에 공급되고, cv2는 이를 우회합니다. 두 경로는 연결된 후 세 번째 1x1 Conv에 의해 융합됩니다:

def forward(self, x):
    # C3: bottleneck path m(cv1(x)) concatenated with bypass cv2(x), then fused by cv3
    return self.cv3(torch.cat((self.m(self.cv1(x)), self.cv2(x)), 1))

최종 보틀넥 출력만 융합 컨볼루션에 도달하므로 cv3는 2개의 특징 맵을 봅니다.

Link to this sectionC2f (YOLOv8)#

YOLOv8의 C2f("CSP Bottleneck with 2 convolutions, faster")는 융합 컨볼루션에 도달하는 특징을 변경합니다:

1. cv1 = Conv(c1, 2 * c, 1) 후 chunk(2)가 출력을 두 개의 c-채널 텐서로 분할합니다.
2. n개의 Bottleneck(c, c) 블록(커널 (3, 3), (3, 3))이 순차적으로 실행되며, 각 블록은 이전 블록의 출력을 입력으로 받습니다.
3. 모든 n + 2개의 중간 텐서가 연결된 후 cv2 = Conv((2 + n) * c, c2, 1)에 의해 융합됩니다.

C3가 2개의 특징 맵을 융합 컨볼루션에 전달하는 반면, C2f는 n + 2개를 전달하여 모든 중간 보틀넥 출력을 재사용합니다.

Link to this sectionC3k2 (YOLO11 및 YOLO26)#

YOLO11 and YOLO26 use C3k2, a subclass of C2f that swaps the repeating unit. Each of the n blocks becomes, depending on the constructor flags:

• 일반 Bottleneck (기본값, c3k=False),
• C3k 블록 (c3k=True) — 구성 가능한 커널 크기를 가진 C3 변형, 또는
• Bottleneck + PSABlock 쌍 (attn=True).

두 번째 YAML 인자는 c3k를 설정합니다; 예를 들어 [-1, 2, C3k2, [512, True]]는 출력 채널 512에서 하나의 C3k2 모듈을 빌드하며, 내부 블록은 C3k입니다( c3k=True이므로). CSP 모듈의 경우 repeats 필드는(여기서는 2, 변형의 깊이 배수로 스케일링되기 전) 별도의 모듈을 쌓는 대신 블록의 내부 반복 횟수가 됩니다.

Link to this section공간 풀링: SPP → SPPF#

백본 끝에서 공간 피라미드 풀링 블록은 수용 영역(receptive field)을 넓힙니다. YOLOv5는 기존의 다중 커널 SPP를 SPPF(Spatial Pyramid Pooling - Fast)로 교체했습니다: 이는 MaxPool2d(kernel_size=5, stride=1, padding=2)를 n = 3번 순차적으로 적용하고, 입력과 세 개의 풀링 출력을 모두 연결하여 1x1 Conv로 융합합니다. 이는 수학적으로 SPP(k=(5, 9, 13))와 동일하지만 체인 형태의 5x5 풀이 더 큰 커널의 수용 영역을 커버하므로 더 효율적입니다.

YOLO26은 숏컷 플래그(SPPF, [1024, 5, 3, True])를 전달하며, 가장 깊은 레이어에서 c1 == c2 == 1024이므로 SPPF는 레지듀얼 연결(return y + x)을 추가합니다.

Link to this section공간 어텐션: C2PSA (YOLO11+)#

YOLO11 added C2PSA after SPPF. It is a CSP block whose active branch is a stack of n PSABlock (Position-Sensitive Attention) modules: cv1 = Conv(c1, 2 * c, 1) splits the features, one half passes through the PSABlock stack, and cv2 = Conv(2 * c, c1, 1) fuses the concatenation. Each PSABlock applies multi-head attention followed by a two-layer feed-forward network (Conv(c, 2 * c, 1) → Conv(2 * c, c, 1)), each with a residual connection. YOLO26 keeps the same C3k2 + C2PSA backbone.

Link to this section넥: FPN + PAN#

넥은 하향식 FPN(Feature Pyramid Network)과 상향식 PAN(Path Aggregation Network)을 사용하여 백본의 P3/P4/P5 특징 맵을 융합합니다. YAML 헤드 섹션에서 FPN은 nn.Upsample + Concat(의미론적 정보를 더 높은 해상도로 전달)이며, PAN은 스트라이드-2 Conv + Concat(위치 정보를 다시 상위로 전달)입니다:

# YOLO11 head (FPN top-down, then PAN bottom-up)
- [-1, 1, nn.Upsample, [None, 2, "nearest"]]
- [[-1, 6], 1, Concat, [1]] # cat backbone P4
- [-1, 2, C3k2, [512, False]] # 13
# ... second upsample + concat to P3 ...
- [-1, 1, Conv, [256, 3, 2]]
- [[-1, 13], 1, Concat, [1]] # cat head P4 (PAN)
- [-1, 2, C3k2, [512, False]] # 19

넥은 해당 세대의 백본 블록(YOLOv5의 C3, YOLOv8의 C2f, YOLO11 및 YOLO26의 C3k2)을 재사용하므로, 각 병합 지점은 백본이 사용하는 동일한 모듈을 실행합니다. 세 개의 융합된 출력이 헤드로 전달됩니다. YOLOv3는 예외로, 넥이 상향식 PAN 경로 없이 하향식 FPN만으로 구성됩니다(YAML 헤드에 스트라이드-2 다운샘플링이 없음).

Link to this section탐지 헤드: 앵커 기반 → 앵커 프리 → NMS 프리#

헤드는 세 개의 융합된 특징 맵을 탐지 작업을 위한 예측값으로 변환합니다. 그 설계는 앵커 기반에서 앵커 프리, 다시 NMS 프리로 버전마다 변경되었습니다.

Link to this section앵커 프리, 디커플드 Detect#

The original YOLOv3 and YOLOv5 used an anchor-based, coupled head: predefined anchor boxes and a shared branch for box and class predictions. The standalone ultralytics/yolov3 and ultralytics/yolov5 repositories keep that anchor-based design. The main ultralytics package instead ships the anchor-free YOLOv3u and YOLOv5u variants — the same Darknet-53 and C3 backbones with YOLOv8's anchor-free Detect head — and the yolov3.yaml and yolov5.yaml configs documented here are these u variants, not the historical design.

Detect 헤드(head.py)는 앵커 프리이며 디커플드(decoupled)되어 있습니다: 피라미드 레벨당 두 개의 병렬 브랜치를 실행하며, 앵커 상자가 아닌 그리드 포인트에서 직접 예측합니다.

• 상자 브랜치 (cv2): Conv(x, c2, 3) → Conv(c2, c2, 3) → Conv2d(c2, 4 * reg_max, 1).
• 클래스 브랜치 (cv3): YOLO11 및 YOLO26에서는 두 개의 뎁스 와이즈 분리 가능 블록(DWConv + 1x1 Conv) → Conv2d(c3, nc, 1); YOLOv8은 레거시 변형을 사용하여 두 개의 3x3 Conv 레이어 → Conv2d(c3, nc, 1)를 사용합니다.

따라서 각 앵커 포인트는 no = nc + 4 * reg_max개의 출력을 내보냅니다. 사전 정의된 앵커를 제거함으로써 튜닝해야 하는 하이퍼파라미터에서 앵커 상자의 크기와 종횡비가 삭제됩니다.

Link to this sectionDFL (Distribution Focal Loss)#

YOLOv8 and YOLO11 regress each of the 4 box coordinates as a distribution over reg_max = 16 bins rather than a single scalar (the integral form from Generalized Focal Loss). The DFL module reshapes the 4 * reg_max box channels to (4, reg_max), applies a softmax over the reg_max bins, and takes the expected bin index — each bin index weighted by its softmax probability, then summed — as the predicted coordinate. This is implemented as a fixed 1x1 convolution whose weights are the bin indices arange(reg_max), so the weighted sum is a single dot product.

Link to this sectionYOLO26: NMS 프리, DFL 프리#

YOLO26은 헤드가 직접 읽는 두 가지 YAML 파라미터를 설정합니다:

• end2end: True — Detect가 브랜치를 일대일 헤드(one2one_cv2/one2one_cv3)로 깊은 복사하여 객체당 단일 예측을 생성함으로써 NMS(Non-Maximum Suppression) 후처리 단계를 제거합니다. 내보내기 및 마이그레이션 세부 정보는 엔드투엔드 탐지 가이드를 참조하십시오.
• reg_max: 1 — 하나의 빈을 사용할 때 self.dfl은 nn.Identity()가 되고 no = nc + 4가 됩니다; 헤드는 좌표를 직접 회귀하며 내보낸 ONNX 그래프에 DFL 연산이 나타나지 않습니다.

Across its five model sizes (n/s/m/l/x), YOLO26 reaches 40.9-57.5 mAP on COCO at 1.7-11.8 ms T4 TensorRT latency, as reported in the YOLO26 paper.

Link to this section버전별 요약#

모델별 세부 정보, 성능 표, 사용 예시는 YOLOv3, YOLOv5, YOLOv8, YOLO11, YOLO26의 개별 페이지를 참조하십시오.

Link to this section직접 아키텍처 검사하기#

model.info() 메서드는 레이어, 파라미터 및 FLOPs 요약을 출력하며, 파싱된 모듈 목록은 model.model.model에서 확인할 수 있습니다.

from ultralytics import YOLO

# Load a pretrained model
model = YOLO("yolo11n.pt")

# Fuse Conv + BatchNorm layers so counts match the published specs
model.fuse()

# Print a summary: layers, parameters, gradients, GFLOPs
model.info()

# Inspect the detection head (the last module in the network)
head = model.model.model[-1]
print(type(head).__name__, "| reg_max:", head.reg_max, "| end2end:", head.end2end)

Running the snippet across three generations shows the changes numerically. These are real fused-model outputs from the ultralytics package, matching the parameter and FLOPs counts published on each model page:

YOLO26n은 reg_max=1, end2end=True, Identity DFL 레이어를 보고하며, 이는 NMS 프리 및 DFL 프리 헤드의 아키텍처적 특징입니다.

Link to this section결론#

Across versions, the YOLO architecture changed one stage at a time: the backbone moved from Darknet-53 to CSP-based C3, C2f, and C3k2 blocks with C2PSA attention; the neck kept its FPN + PAN structure while SPP became SPPF; and the head moved from anchor-based to anchor-free, then to YOLO26's NMS-free, DFL-free end-to-end design.

사용자 정의 아키텍처를 정의하려면 모델 YAML 구성 가이드를 참조하거나 모델 페이지에서 모델을 비교하십시오. 질문이 있으시면 GitHub 또는 Discord를 통해 문의해 주십시오.

Link to this sectionFAQ#

Link to this sectionYOLO 아키텍처의 세 가지 단계는 무엇입니까?#

YOLO 모델에는 스트라이드 8, 16, 32에서 이미지의 특징을 추출하는 백본(backbone), FPN과 PAN을 사용하여 스케일 전반에 걸쳐 해당 특징을 융합하는 넥(neck), 그리고 바운딩 박스와 클래스 점수를 예측하는 **헤드(head)**가 있습니다. YOLOv3부터 YOLO26까지의 모든 Ultralytics YOLO 모델은 이러한 3단계 설계를 따릅니다.

Link to this sectionC2f 블록과 C3k2 블록의 차이점은 무엇입니까?#

C2f (YOLOv8) is a CSP block that concatenates the outputs of every internal Bottleneck — n + 2 feature maps — before its fusion convolution, where the older C3 passes only 2. C3k2 (YOLO11 and YOLO26) is a subclass of C2f that can replace each Bottleneck with a C3k block (a C3 variant with a configurable kernel size) when its c3k flag is set. Both are defined in block.py.

Link to this sectionYOLOv8과 YOLO11 사이의 아키텍처 변경 사항은 무엇입니까?#

YOLO11 makes three structural changes to YOLOv8: it replaces the C2f backbone and neck block with C3k2, inserts a C2PSA self-attention block after SPPF, and switches the head's classification branch to lighter depthwise-separable convolutions. Both keep the same anchor-free, decoupled Detect head with reg_max=16 DFL regression, so the changes lower parameter and FLOPs counts while raising accuracy rather than redesigning the detection interface.

Link to this sectionYOLO는 앵커 프리(anchor-free) 모델입니까?#

최신 Ultralytics YOLO 모델은 앵커 프리입니다. YOLOv8, YOLO11 및 YOLO26은 박스 회귀와 분류를 위한 별도의 브랜치가 있는 앵커 프리, 분리형 Detect 헤드를 사용합니다. 원래의 YOLOv3와 YOLOv5는 앵커 기반이었지만, Ultralytics는 이를 YOLOv3u 및 YOLOv5u 변형으로 제공하며, 이들의 설정은 YOLOv8과 동일한 앵커 프리 헤드를 사용합니다.

Link to this sectionYOLO26에서 NMS가 제거되었습니까?#

네, YOLO26은 end2end=True를 설정합니다. 이는 Detect에 객체당 하나의 예측을 생성하는 일대일(one-to-one) 헤드를 제공하며 이전 모델에서 필요했던 Non-Maximum Suppression 후처리 단계를 제거합니다. 자세한 내용은 엔드투엔드 탐지 가이드를 참조하십시오.

Link to this sectionDFL(Distribution Focal Loss)이란 무엇이며, 왜 YOLO26에서 제거되었습니까?#

DFL은 단일 스칼라를 예측하는 대신 각 박스 좌표를 reg_max 빈(YOLOv8 및 YOLO11에서는 기본값 16)에 대한 소프트맥스 분포로 회귀하고 기대값을 좌표로 취합니다. YOLO26은 reg_max=1로 설정하므로 DFL 레이어는 항등 연산이 되고, 헤드는 좌표를 직접 회귀하며, 내보낸 ONNX 또는 TensorRT 그래프에 DFL 연산이 나타나지 않습니다.

Link to this section특정 YOLO 모델의 아키텍처를 확인하려면 어떻게 해야 합니까?#

Python에서 모델을 로드하고 model.info()를 호출하여 레이어, 매개변수 및 GFLOPs 요약을 확인하십시오. 구문 분석된 레이어는 model.model.model에 있습니다. 예를 들어, model.model.model[-1]은 Detect 헤드이며 reg_max 및 end2end와 같은 속성을 노출합니다. 전체 아키텍처는 모델의 YAML 구성 파일에 정의되어 있습니다.