YOLO12: 주의 집중 객체 감지

개요

YOLO12는 기존 YOLO 모델에서 사용되던 기존의 CNN 기반 접근 방식에서 벗어나 관심도 중심 아키텍처를 도입했지만, 많은 애플리케이션에 필수적인 실시간 추론 속도는 그대로 유지합니다. 이 모델은 주의 메커니즘과 전반적인 네트워크 아키텍처의 새로운 방법론적 혁신을 통해 실시간 성능을 유지하면서 최첨단 물체 감지 정확도를 달성합니다.

Watch: Ultralytics 패키지로 객체 감지에 YOLO12를 사용하는 방법 | YOLO12는 빠를까요, 느릴까요 🚀

주요 기능

• 영역 주의 메커니즘: 대규모 수용 필드를 효율적으로 처리하는 새로운 자체 주의 접근 방식입니다. 피처 맵을 가로 또는 세로로 동일한 크기의 영역(기본값은 4개)으로 분할하여 복잡한 연산을 피하고 큰 유효 수용 필드를 유지합니다. 따라서 표준 셀프 어텐션에 비해 계산 비용이 크게 절감됩니다.
• 잔여 효율적 계층 집계 네트워크(R-ELAN): 특히 대규모 주의 집중 모델에서 최적화 문제를 해결하도록 설계된 ELAN 기반의 향상된 기능 집계 모듈입니다. R-ELAN을 소개합니다:
  • 스케일링이 있는 블록 수준의 잔여 연결(레이어 스케일링과 유사).
  • 병목 현상과 같은 구조를 만드는 재설계된 피처 집계 방식입니다.
• 최적화된 주의 집중 아키텍처: YOLO12는 표준 주의 집중 메커니즘을 간소화하여 효율성과 YOLO 프레임워크와의 호환성을 높였습니다. 여기에는 다음이 포함됩니다:
  • 플래시어텐션을 사용하여 메모리 액세스 오버헤드를 최소화합니다.
  • 더 깔끔하고 빠른 모델을 위해 위치 인코딩을 제거합니다.
  • MLP 비율을 조정(일반적인 4에서 1.2 또는 2로)하면 주의와 피드 포워드 레이어 간의 계산 균형을 더 잘 맞출 수 있습니다.
  • 스택 블록의 깊이를 줄여 최적화를 개선합니다.
  • 계산 효율성을 위해 컨볼루션 연산(적절한 경우)을 활용합니다.
  • 주의 메커니즘에 7x7 분리 가능한 컨볼루션('위치 인식기')을 추가하여 위치 정보를 암시적으로 인코딩합니다.
• 포괄적인 작업 지원: YOLO12는 객체 감지, 인스턴스 분할, 이미지 분류, 포즈 추정, 방향성 객체 감지(OBB) 등 다양한 핵심 컴퓨터 비전 작업을 지원합니다.
• 향상된 효율성: 이전 모델에 비해 더 적은 수의 파라미터로 더 높은 정확도를 달성하여 속도와 정확도 간의 균형이 개선되었습니다.
• 유연한 배포: 엣지 디바이스에서 클라우드 인프라에 이르기까지 다양한 플랫폼에 배포할 수 있도록 설계되었습니다.

지원되는 작업 및 모드

YOLO12는 다양한 컴퓨터 비전 작업을 지원합니다. 아래 표는 작업 지원과 각각에 대해 활성화된 작동 모드(추론, 검증, 훈련 및 내보내기)를 보여줍니다:

성능 지표

YOLO12는 모든 모델 규모에서 상당한 정확도 향상을 보여주며, 이전의 가장 빠른 YOLO 모델에 비해 속도에서 약간의 트레이드오프가 있습니다. 아래는 COCO 검증 데이터 세트에서 물체 감지에 대한 정량적 결과입니다:

탐지 성능(COCO val2017)

• 추론 속도는 TensorRT FP16 정밀도를 갖춘 NVIDIA T4 GPU 측정되었습니다.
• 비교는 mAP의 상대적 개선과 속도 변화 비율을 보여줍니다(양수는 더 빠름을, 음수는 더 느림을 나타냄). 가능한 경우 YOLOv10, YOLO11 및 RT-DETR 대해 발표된 결과와 비교합니다.

사용 예

이 섹션에서는 YOLO12를 사용한 훈련 및 추론의 예시를 제공합니다. 이러한 모드와 다른 모드( 유효성 검사 및 내보내기 포함)에 대한 자세한 설명서는 예측 및 훈련 전용 페이지를 참조하세요.

아래 예는 YOLO12 Detect 모델(물체 감지용)에 초점을 맞추고 있습니다. 지원되는 다른 작업(세그먼트, 분류, 방향성 객체 감지, 포즈 추정)에 대해서는 각 작업별 설명서를 참조하세요: 세분화, 분류, OBB 및 포즈를 참조하세요.

from ultralytics import YOLO

# Load a COCO-pretrained YOLO12n model
model = YOLO("yolo12n.pt")

# Train the model on the COCO8 example dataset for 100 epochs
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Run inference with the YOLO12n model on the 'bus.jpg' image
results = model("path/to/bus.jpg")

# Load a COCO-pretrained YOLO12n model and train on the COCO8 example dataset for 100 epochs
yolo train model=yolo12n.pt data=coco8.yaml epochs=100 imgsz=640

# Load a COCO-pretrained YOLO12n model and run inference on the 'bus.jpg' image
yolo predict model=yolo12n.pt source=path/to/bus.jpg

주요 개선 사항

1. 향상된 기능 추출:

   • 영역 주의: 대규모 수신 필드를 효율적으로 처리하여 계산 비용을 절감합니다.
   • 최적화된 균형: 주의 집중과 피드 포워드 네트워크 계산 간의 균형이 개선되었습니다.
   • R-ELAN: R-ELAN 아키텍처를 사용하여 기능 집계를 개선합니다.

2. 최적화 혁신:

   • 잔여 연결: 특히 대규모 모델에서 훈련을 안정화하기 위해 스케일링과 함께 잔여 연결을 도입합니다.
   • 개선된 기능 통합: R-ELAN 내에서 기능 통합을 위한 개선된 방법을 구현합니다.
   • 플래시어텐션: 플래시어텐션: 메모리 액세스 오버헤드를 줄이기 위해 플래시어텐션을 통합합니다.

3. 아키텍처 효율성:

   • 매개변수 감소: 이전 모델에 비해 정확도를 유지하거나 개선하면서 더 적은 수의 매개변수를 달성합니다.
   • 간소화된 주의: 간소화된 주의 구현을 사용하여 위치 인코딩을 피합니다.
   • 최적화된 MLP 비율: MLP 비율을 조정하여 컴퓨팅 리소스를 보다 효과적으로 할당합니다.

요구 사항

기본적으로 Ultralytics YOLO12 구현에는 플래시어텐션이 필요하지 않습니다. 그러나 선택적으로 플래시어텐션을 컴파일하여 YOLO12와 함께 사용할 수 있습니다. 플래시어텐션을 컴파일하려면 다음 NVIDIA GPU 중 하나가 필요합니다:

• Turing GPU (예: T4, Quadro RTX 시리즈)
• Ampere GPU (예: RTX30 시리즈, A30/40/100)
• Ada 러브레이스 GPU (예: RTX40 시리즈)
• 호퍼 GPU (예: H100/H200)

인용 및 감사

연구에 YOLO12를 사용하는 경우 버팔로 대학교와 중국과학원 대학교의 원저를 인용해 주세요:

@article{tian2025yolov12,
  title={YOLOv12: Attention-Centric Real-Time Object Detectors},
  author={Tian, Yunjie and Ye, Qixiang and Doermann, David},
  journal={arXiv preprint arXiv:2502.12524},
  year={2025}
}

@software{yolo12,
  author = {Tian, Yunjie and Ye, Qixiang and Doermann, David},
  title = {YOLOv12: Attention-Centric Real-Time Object Detectors},
  year = {2025},
  url = {https://github.com/sunsmarterjie/yolov12},
  license = {AGPL-3.0}
}

자주 묻는 질문

YOLO12는 어떻게 높은 정확도를 유지하면서 실시간 물체 감지를 달성할 수 있을까요?

YOLO12는 속도와 정확성의 균형을 맞추기 위해 몇 가지 주요 혁신 기술을 통합했습니다. 영역 주의 메커니즘은 대규모 수신 필드를 효율적으로 처리하여 표준 자체 주의에 비해 계산 비용을 절감합니다. 잔여 효율 레이어 집계 네트워크(R-ELAN)는 피처 집계를 개선하여 대규모 주의 집중 모델에서 최적화 문제를 해결합니다. 플래시어텐션 사용과 위치 인코딩 제거를 포함한 최적화된 어텐션 아키텍처는 효율성을 더욱 향상시킵니다. 이러한 기능을 통해 YOLO12는 많은 애플리케이션에 필수적인 실시간 추론 속도를 유지하면서 최첨단 정확도를 달성할 수 있습니다.

YOLO12는 어떤 컴퓨터 비전 작업을 지원하나요?

YOLO12는 다양한 핵심 컴퓨터 비전 작업을 지원하는 다목적 모델입니다. 물체 감지, 인스턴스 분할, 이미지 분류, 포즈 추정, OBB(방향성 물체 감지) 등에서 탁월한 성능을 발휘합니다(자세한 내용 참조). 이러한 포괄적인 작업 지원 덕분에 YOLO12는 로봇 공학 및 자율 주행부터 의료 이미징 및 산업 검사에 이르기까지 다양한 애플리케이션을 위한 강력한 도구가 될 수 있습니다. 이러한 각 작업은 추론, 검증, 훈련 및 내보내기 모드에서 수행할 수 있습니다.

YOLO12는 다른 YOLO 모델 및 RT-DETR 같은 경쟁 제품과 비교했을 때 어떤 점이 다른가요?

YOLO12는 모든 모델 스케일에서 YOLOv10 및 YOLO11 같은 이전 YOLO 모델에 비해 상당한 정확도 향상을 보여주지만, 가장 빠른 이전 모델에 비해 속도에서 약간의 트레이드오프가 있습니다. 예를 들어, YOLO12n은 COCO val2017 데이터 세트에서 YOLOv10n보다 +2.1%, YOLO11n보다 +1.2%의 mAP 개선을 달성했습니다. 다음과 같은 모델과 비교했을 때 RT-DETR과 같은 모델과 비교했을 때, YOLO12s는 +1.5%의 mAP 개선과 +42%의 상당한 속도 향상을 제공합니다. 이러한 지표는 정확도와 효율성 사이에서 YOLO12의 강력한 균형을 강조합니다. 자세한 비교는 성능 메트릭 섹션을 참조하세요.

YOLO12를 실행하기 위한 하드웨어 요구 사항, 특히 플래시어텐션을 사용하기 위한 하드웨어 요구 사항은 무엇인가요?

기본적으로 Ultralytics YOLO12 구현에는 플래시어텐션이 필요하지 않습니다. 하지만 메모리 액세스 오버헤드를 최소화하기 위해 선택적으로 플래시어텐션을 컴파일하여 YOLO12와 함께 사용할 수 있습니다. 플래시어텐션을 컴파일하려면 다음 NVIDIA GPU 중 하나가 필요합니다: 튜링 GPU(예: T4, Quadro RTX 시리즈), 암페어 GPU(예: RTX30 시리즈, A30/40/100), 에이다 러브레이스 GPU(예: RTX40 시리즈) 또는 호퍼 GPU(예: H100/H200). 이러한 유연성 덕분에 사용자는 하드웨어 리소스가 허용하는 경우 플래시어텐션의 이점을 활용할 수 있습니다.

YOLO12의 사용 예시 및 자세한 문서는 어디에서 찾을 수 있나요?

이 페이지에서는 학습 및 추론에 대한 기본적인 사용 예시를 제공합니다. 이러한 모드와 검증 및 내보내기를 포함한 다른 모드에 대한 종합적인 설명서는 예측 및 훈련 전용 페이지를 참조하세요. 작업별 정보(세분화, 분류, 방향성 물체 감지, 포즈 추정)는 해당 문서를 참조하세요: 세분화, 분류, OBB 및 포즈 문서를 참조하세요. 이러한 리소스는 다양한 시나리오에서 YOLO12를 효과적으로 활용하기 위한 심층적인 지침을 제공합니다.

2개월 전 생성됨 ✏️ 1개월 전 업데이트됨

댓글