YOLO(You Only Look Once) 버전 별 차이점

YOLO(You Only Look Once)는 딥러닝을 활용한 객체 검출 알고리즘으로, 여러 버전이 존재합니다.

각 버전별 차이점은 다음과 같습니다.

 

1. YOLOv1: 초기 버전으로, 24개의 합성곱(Convolution) 레이어로 이루어져 있습니다. 여러 객체를 동시에 검출할 수 있으며, 높은 정확도를 보입니다. 하지만 작은 객체를 검출하는 데에는 한계가 있습니다.
2. YOLOv2: 기존의 YOLOv1보다 성능이 향상된 버전입니다. Darknet-19 네트워크를 사용하고, Anchor Box라는 개념을 도입하여 작은 객체 검출 능력이 향상되었습니다.
3. YOLOv3: YOLOv2에서 발전된 버전으로, 세부적인 디자인 변경과 추가적인 기능을 도입하여 정확도를 높였습니다. Spatial Pyramid Pooling(SPP) 레이어와 Path Aggregation Network(PAN)을 추가하여 다양한 크기의 객체를 검출하는 능력을 향상시켰습니다.
4. YOLOv4: YOLOv3에서 발전된 버전으로, 큰 객체를 검출하는 능력이 향상되었습니다. Mish 활성화 함수와 CSP(Concatenated Spatial Pyramid) 레이어를 사용하여 정확도를 높였으며, 다양한 데이터 증강 기법과 네트워크 최적화 기술을 적용하여 속도와 정확도를 모두 향상시켰습니다.
5. YOLOv5: YOLOv4보다 경량화되고 빠른 속도로 객체를 검출할 수 있는 버전입니다. 더욱 효과적인 네트워크 아키텍처와 빠른 백본(backbone) 검출 방법을 사용하여 정확도와 속도 모두를 높였습니다.