[Object Detection] YOLOv10 : 실시간 엔드투엔드 객체 감지

YOLOv10

 

패키지를 기반으로 구축된 YOLOv10은 Ultralytics Python 패키지를 기반으로 구축된 YOLOv10은 실시간 객체 감지에 대한 새로운 접근 방식을 도입하여 이전 YOLO 버전에서 발견된 후처리 및 모델 아키텍처의 결함을 모두 해결했다. 비최대 억제 (NMS)를 제거하고 다양한 모델 구성 요소를 최적화함으로써 YOLOv10은 계산 오버헤드를 크게 줄이면서 최첨단 성능을 달성한다. 광범위한 실험을 통해 여러 모델 규모에 걸쳐 정확도와 지연 시간 간의 우수한 절충점을 입증했다.

 

구조

 

 

YOLOv10의 아키텍처는 이전 YOLO 모델의 강점을 기반으로 몇 가지 주요 혁신을 도입했다. 모델 아키텍처는 다음과 같은 구성 요소로 이루어져 있다.

 

Backbone : 특징 추출을 담당하는 YOLOv10의 백본은 향상된 버전의 CSPNet (교차 단계 부분 네트워크)을 사용하여 그레디언트 흐름을 개선하고 계산 중복성을 줄인다. Neck : 넥은 다양한 스케일의 피처를 취합하여 헤드로 전달하도록 설계되었다. 여기에는 효과적인 멀티 스케일 피처 융합을 위한 PAN (경로 집계 네트워크) 레이어가 포함되어 있다. 일대다 헤드 : 훈련 중에 객체당 여러 예측을 생성하여 풍부한 감독 신호를 제공하고 학습 정확도를 향상시킨다. 일대일 헤드 : 추론 중에 객체당 하나의 최적 예측을 생성하여 NMS가 필요하지 않으므로 대기 시간을 줄이고 효율성을 개선한다.

 

주요 기능

 

NMS 없는 훈련 : 일관된 이중 할당을 활용하여 NMS의 필요성을 없애고 추론 대기 시간을 줄인다. 전체론적 모델 설계 : 경량 분류 헤드, 공간 채널 분리형 다운 샘플링, 순위 가이드 블록 설계 등 효율성과 정확도 측면에서 다양한 구성 요소를 종합적으로 최적화한다. 향상된 모델 기능 : 대규모 커널 컨볼루션과 부분적인 셀프 어텐션 모듈을 통합하여 큰 계산 비용 없이 성능을 개선한다.

 

 

https://docs.ultralytics.com/ko/models/yolov10/

YOLOv10