🚀 YOLOv12: 속도와 정확도가 최고 수준인 컴퓨터 비전 작업에 적합한 다재다능한 선택입니다! 🚀

이 튜토리얼에서는 컴퓨팅 리소스로 RTX 4090을 사용합니다.

1. 튜토리얼 소개 📖

YOLOv12는 버팔로 대학과 중국과학원 대학의 연구원들에 의해 2025년에 출시되었습니다.YOLOv12: 주의 중심 실시간 객체 감지기".

오랫동안 YOLO 프레임워크의 네트워크 아키텍처를 향상시키는 것은 컴퓨터 비전 분야의 핵심 주제였습니다. 주의 메커니즘이 모델링 능력 면에서 뛰어나지만, 주의 기반 모델은 속도 면에서 따라잡기 어렵기 때문에 CNN 기반 개선이 여전히 주류를 이룹니다. 하지만 YOLOv12의 도입으로 이 상황이 바뀌었습니다! CNN 기반 프레임워크와 속도 면에서 비슷할 뿐만 아니라, 어텐션 메커니즘의 성능상의 이점을 최대한 활용하여 실시간 객체 감지의 새로운 벤치마크가 되고 있습니다.

YOLOv12의 획기적인 성능

YOLOv12-N은 T4 GPU에서 1.64밀리초의 추론 지연 시간과 함께 40.6%의 mAP를 달성하는데, 이는 YOLOv10-N/YOLOv11-N보다 2.1%/1.2% 더 높습니다.
YOLOv12-S는 RT-DETR-R18 / RT-DETRv2-R18보다 성능이 뛰어나며, 연산량은 36%에 불과하고 매개변수도 45%만큼 줄었습니다.

📜 YOLO 개발 역사 및 관련 튜토리얼

YOLO(You Only Look Once)는 2015년 출시 이후 객체 감지 및 이미지 분할 분야를 선도해 왔습니다. YOLO 시리즈의 발전 과정은 다음과 같습니다.

YOLOv2(2016): 배치 정규화, 앵커 박스, 차원 클러스터링을 소개합니다.
YOLOv3(2018): 보다 효율적인 백본 네트워크, 멀티 앵커, 공간 피라미드 풀링을 사용합니다.
YOLOv4(2020): Mosaic 데이터 증강, 앵커 없는 감지 헤드 및 새로운 손실 함수를 소개합니다. → 튜토리얼:DeepSOCIAL은 YOLOv4 기반 군중 거리 모니터링 및 다중 타겟 추적을 구현합니다.
YOLOv5: 하이퍼파라미터 최적화, 실험 추적 및 자동 내보내기 기능이 추가되었습니다. → 튜토리얼:YOLOv5_deepsort 실시간 다중 타겟 추적 모델
YOLOv6(2022): 메이투안은 오픈소스로, 자율 배송 로봇에 널리 사용됩니다.
YOLOv7: COCO 키포인트 데이터 세트에 대한 포즈 추정을 지원합니다.
YOLOv8(2023): 다양한 시각적 AI 작업을 지원하는 Ultralytics가 출시되었습니다.
YOLOv9: 프로그래밍 가능 그래디언트 정보(PGI)와 일반화된 효율적 계층 집계 네트워크(GELAN) 소개.
YOLOv10: 청화대학교에서 출시한 이 기술은 엔드투엔드 헤더를 도입하고 비최대 억제(NMS) 요구 사항을 제거합니다. → 튜토리얼:YOLOv10 실시간 엔드투엔드 객체 감지
YOLOv11: Ultralytics의 최신 모델로, 감지, 분할, 자세 추정, 추적 및 분류를 지원합니다. → 튜토리얼:YOLOv11의 원클릭 배포
YOLOv12 🚀 신규: 속도와 정확성의 두 가지 정점에 어텐션 메커니즘의 성능적 이점이 결합되었습니다!