YOLO

YOLO = You Only Look Once
객체 탐지(Object Detection) 알고리즘 중 하나
이미지에서 사람, 자동차, 강아지 등 여러 객체를 한 번에 탐지함
기존 방식들과 달리, 이미지를 한 번만 보고 객체 위치와 종류를 동시에 예측함

목차

1. YOLO의 구조와 원리
2. YOLOv1 구조 예시
3. YOLOv2 – Anchor Box로 1 Cell에서 여러 객체 탐지
4. YOLOv3 – 멀티 스케일 예측 + Feature Pyramid 구조
5. YOLOv4 – 정확도와 속도 모두 강화한 실용적 모델
6. YOLOv4 – 정확도와 속도 모두 강화한 실용적 모델
7. YOLOv5 – 경량화 + PyTorch 기반 실용 버전
8. YOLOv6 – 산업 환경 최적화 모델
9. YOLOv7 – 정확도와 속도의 SOTA 모델
10. YOLOv8 – 범용 비전 모델로 진화
11. 그리드 → 멀티스케일 → 앵커 → 앵커프리 흐름
12. 성능 비교표
13. 용어 정리

---

YOLO의 구조와 원리

YOLO의 기본 구조는 "이미지를 그리드로 나누고, 각 그리드 셀이 바운딩 박스와 클래스 확률을 예측" 하는 방식

---

YOLO 기본 구조 요약

• 입력 이미지를 S x S 그리드로 나눔
• 각 셀(Cell)은 다음을 예측:
  • 바운딩 박스 (x, y, w, h)
  • 객체 존재 확률 (confidence)
  • 클래스 확률 (softmax or logistic)

YOLOv1 구조 예시

• 7x7 그리드, 셀당 2개 바운딩 박스, 20개 클래스
  

---

YOLOv2 – Anchor Box로 1 Cell에서 여러 객체 탐지

YOLOv1에서는 한 셀이 하나의 객체만 탐지할 수 있었지만, YOLOv2부터는 Anchor Box를 도입해 하나의 셀에서 여러 객체를 탐지할 수 있게 되었습니다.

• 각 셀은 여러 개의 고정된 anchor box(예: 5개)에 대해 예측을 수행
• 다양한 크기와 비율의 객체에 더 잘 대응할 수 있게 됨
  

1. Convolutional With Anchor Boxes

• 각 셀은 K개의 Anchor Box(고정된 모양) 을 기반으로 예측 수행
• 그리드 셀 하나가 서로 다른 크기와 비율의 박스 K개 를 미리 준비하고,
• 각 Anchor에 대해 (x, y, w, h, confidence, class)를 예측
• 하나의 셀에서도 작은 객체, 큰 객체를 모두 예측가능

2. 5개의 Anchor Box

• 한 셀 기준으로 Anchor Box가 5개 설정된 예시
• 빨간 사각형이 각각의 Anchor Box이고, 중심 위치는 동일하지만 크기와 비율이 다름
• → 즉, 한 셀이 다양한 모양의 객체를 인식할 수 있게 설계한 것임

3. K-Means Clustering (Anchor Box 크기 학습)

• Anchor Box의 크기와 비율은 YOLOv2에서 K-Means Clustering을 통해 학습함
• 많은 객체 바운딩 박스 데이터를 가지고, 객체 크기와 비율에 따라 클러스터링하여 Anchor 형태를 설정
• 중앙의 흰 점이 Anchor Box 중심이고, 주변 데이터가 실제 박스 데이터야.
• → 이 과정을 통해 Anchor Box를 데이터에 최적화함!

YOLOv2에서 Anchor Box가 하는 일

항목	내용
목적	한 셀이 여러 객체 크기를 다룰 수 있도록
구조	셀마다 K개의 Anchor 설정
이점	다양한 크기/비율의 객체 탐지 가능
Anchor 설정 방식	K-Means 클러스터링으로 학습 기반 최적화

---

YOLOv3 – 멀티 스케일 예측 + Feature Pyramid 구조

YOLOv3에서는 다양한 크기의 객체를 더욱 정밀하게 탐지하기 위해
Feature Pyramid Network(FPN) 구조를 도입하고, 3가지 해상도에서 예측하는 방식을 사용

YOLOv2에서는 1개의 feature map (13×13)만 사용,
YOLOv3는 13×13, 26×26, 52×52의 3가지 해상도에서 각각 예측을 수행함
-> 작은 객체부터 큰 객체까지 모두 커버 가능하게 됨

1. Residual Block + Feature Pyramid Network

• Darknet-53 백본을 통해 Feature를 추출하고, 중간중간에 Residual Block(잔차 연결)을 삽입하여 학습 안정성을 높임
• FPN 구조를 통해 높은 해상도 ↔ 낮은 해상도의 정보를 융합 → 다양한 스케일에서 정보 손실 없이 탐지 가능

2. 3개의 예측 스케일

스케일	Feature Map 크기	Stride	탐지 대상 객체
Scale 1	13×13	32	큰 객체
Scale 2	26×26	16	중간 객체
Scale 3	52×52	8	작은 객체

• 입력 이미지에서 추출된 feature를 각기 다른 해상도에서 예측하여 다양한 객체 크기를 커버함
• 각 스케일에서 Anchor Box 기반으로 (x, y, w, h, conf, class) 예측

3. Anchor Box 설정

• 각 스케일에 Anchor Box를 3개씩 설정 → 총 9개의 anchor 사용
• YOLOv2처럼 K-Means 클러스터링으로 최적 Anchor 크기 설정

---

YOLOv4 – 정확도와 속도 모두 강화한 실용적 모델

• 백본: CSPDarknet-53 (CSPNet 기반으로 경량화 + 정확도 향상)
• Neck: SPP + PANet (Feature aggregation)
• Head: YOLOv3 방식 유지 (3-scale prediction)
• 주요 기술:
  • Mosaic Augmentation, DropBlock, CIoU, Mish Activation, SAT 등
• 특징:
  • 다양한 최신 기법을 조합하여 학습 정확도와 속도 모두 개선

---

YOLOv5 – 경량화 + PyTorch 기반 실용 버전

• 백본: CSPDarknet 계열 (버전별로 S/M/L/X 제공)
• Neck: PANet + FPN
• 기술 특징:
  • PyTorch로 구현되어 확장성, 사용성 뛰어남
  • ONNX/TensorRT 등 다양한 환경으로 Export 가능
  • Hyperparameter Evolution, AutoAnchor 등의 기능 지원
• 특징:
  • 논문은 없지만, 실무에서 가장 널리 사용됨

---

YOLOv6 – 산업 환경 최적화 모델

• 백본: EfficientRep Backbone
• Neck: Rep-PAN
• 특징:
  • 고속 처리 및 실시간 응답성을 고려하여 TensorRT 최적화 설계
  • 앵커 기반 탐지 방식 유지
  • ONNX, INT8 등 경량 추론에도 강함
• 용도: 산업용 영상 처리, CCTV 시스템 등에 적합

---

YOLOv7 – 정확도와 속도의 SOTA 모델

• 백본: E-ELAN 구조로 학습 효율 강화
• Head: Task 통합형 YOLO Head
• 기술 특징:
  • Trainable bag-of-freebies
  • Extended ELAN 구조로 더 깊은 네트워크 학습 가능
• 특징:
  • 실시간 탐지에서 정확도와 속도 모두 최고 수준

YOLOv7은 현재까지도 많은 벤치마크에서 속도·정확도 균형 최고 수준 유지 중

---

YOLOv8 – 범용 비전 모델로 진화

• 백본: 커스텀 아키텍처

• 구조 특징:

  • 앵커프리(Anchor-free) 구조 → 유연하고 정확한 바운딩 박스 예측 가능
  • Detect + Segment + Pose task 통합 가능

• 기술 특징:

  • Export & deployment 쉬움 (PyTorch 기반)
  • 객체 검출 외에 다중 Task 지원 (Segmentation, Pose Estimation)

• 특징:

  • YOLO 모델의 확장형으로, 범용 비전 솔루션으로 진화 중

• YOLOv1~v7까지는 Anchor 기반 방식 → 정해진 박스 후보에 대해 회귀 예측

• YOLOv8은 Anchor-free 방식 → 픽셀 단위 예측 (CenterNet, FCOS 계열처럼)

• 그리드 셀마다 직접 중심점 + 크기를 예측 → 계산량 줄이고 더 유연

---

그리드 → 멀티스케일 → 앵커 → 앵커프리 흐름

1. YOLOv1 – 단일 그리드 셀 기반 회귀
2. YOLOv2 – 앵커 박스로 다양한 객체 크기 대응
3. YOLOv3 – 3개의 해상도(feature map)에서 예측 (FPN)
4. YOLOv4~v7 – 정확도 향상 기법 추가 + 고속화 구조
5. YOLOv8 – 그리드 개념은 유지하되, 더 유연한 anchor-free 방식으로 발전

---

성능 비교표

버전	mAP	FPS (Tesla V100 기준)	모델 크기
YOLOv3	~33.0	30	중
YOLOv4	~43.5	62	중상
YOLOv5s	~36.7	140+	소형
YOLOv6	~43.1	120+	중
YOLOv7	~51.4	120+	중상
YOLOv8n	~37.3	160+	소형

용어 정리

• FPN: Feature Pyramid Network, 다양한 크기의 객체를 탐지하기 위해 서로 다른 해상도 특성 결합
• Anchor Box: 사전에 정의된 바운딩 박스 후보
• NMS: Non-Maximum Suppression, 중복 박스 제거