1. YOLO 시리즈 히스토리
첫 회사에 입사 후 딥러닝과 Object detection을 공부하면서 가장 먼저 접한 것이 YOLO(2018년 당시 yolov3) 였다.
그 후로 매해 새로운 버전이 나타나면서 현재까지도 YOLO는 최고의 속도와 정확도를 보여주고 있다.(yolov7)
yolo의 버전이 너무 많아, 그 중에서도 많이 사용되는 대표적인 버전들의 관계 및 라이선스 정책을 그림으로 정리해 보았다.
2. YOLO 라이선스
yolov1~yolov3 까지 Joseph Redmon이 연구에 참하였으나 개인적인 이유로 연구를 그만두고,
이후 Alexey Bochkovskly가 이어서 yolo를 개발중이다.
많은 yolo 버전이 있지만
나는 yolov1~v3, yolov4~yolov7 까지 이어지는 연구를 정통파로 생각한다.
yolov4~yolov7까지 paper에 참여한 저자는 대부분 겹쳐있고,
소스코드는 WongKinYiu github에 공개되어 있다.
같은 yolo 버전이라도 여러가지의 구현버전이 존재하는데, 구현 방식에 따라 속도/정확도에 차이가 있다. 가장 널리 사용되는 yolo pytorch 구현은 ultralytics의 yolo v5 repo.
darknet 기반이였던 yolov1~v3 까지는 상업적 사용이 가능한 public 라이선스였던 반면,
pytorch로 구현된 ultralytics의 yolo 구현은 GPL 3.0 라이선스이다.
WongKinYiu의 repo에 구현된 yolo 버전 또한 ultralytics를 base로 개발되었기 때문에, GPL 라이선스가 전염되었다.
즉, 가장 많이 사용되는 ultralytics/WongKinYiu 의 소스코드를 기반으로 개발하여 제품을 개발할 경우 소스코드 전체 배포의 의무가 있다.
yolo는 출시이후부터 지금까지 많은 업체에서 yolo 를 사용되어 왔으며, 라이선스 문제를 어떻게 회피 / 극복할지 고민해 봐야할 것이다.
안걸리면 그만이라고 생각할 수도 있지만,
어쩔수 없이 라이선스 의무를 지키지는 못하는 상황(?)이 발생하더라도,
본인이 사용한 오픈소스의 라이선스가 무엇인지, 라이선스 위반사항에 대해서는 반드시 알고 있어야한다.
