YOLOv8-YOLO11 성능 및 구조 비교 분석

딥러닝 기반 컴퓨터 비전 분야에서 YOLO는 혁신적인 모델이지만, 모든 YOLO 모델이 학술 논문이나 아키텍처 다이어그램을 제공하지 않아 모델 이해에 어려움이 있습니다. 기존 연구 또한 각 모델을 포괄적으로 다루지 못했습니다. 본 연구는 YOLOv8부터 YOLO11까지의 아키텍처를 심층적으로 비교 분석하여, 독자들이 각 모델의 작동 방식과 차이점을 신속하게 파악할 수 있도록 돕습니다. 각 YOLO 버전의 아키텍처는 관련 학술 논문, 공식 문서 검토 및 소스 코드 분석을 통해 분석되었습니다. 특히, YOLOv8부터 YOLO11까지의 모델들은 앵커 프리(anchor-free) 및 NMS(Non-Maximum Suppression) 측면에서 유사성을 공유하지만, YOLOv10은 NMS-free라는 독특한 특징을 가집니다. 각 버전은 특징 연결의 복잡성(v8), 아키텍처 구조 및 훈련(v9), 훈련 방식 또는 이중 할당(v10), 추론 및 코드 구현(v11) 등 고유한 단점을 가지고 있습니다. Roboflow 100 데이터셋 벤치마크 결과, YOLOv9가 가장 우수한 정확도를 보였으나 NMS 메커니즘으로 인해 8배 느렸습니다. YOLOv10은 가장 빠르지만 정확도가 가장 낮았으며, YOLOv8과 YOLO11은 속도와 정확도 사이에서 균형 잡힌 성능을 제공했습니다. 각 버전은 아키텍처 개선을 이루었지만, 일부 블록은 변경되지 않았음을 확인했습니다. 본 연구는 독자들이 다양한 YOLO 버전 아키텍처를 이해하고 성능 개선 방안을 모색하는 데 기여합니다. 또한, 포괄적인 아키텍처 다이어그램과 각 블록에 대한 상세 설명을 제공하여 학술 및 실용적 응용을 위한 귀중한 참고 자료가 될 것입니다.