[객체 탐지] 객체 탐지 모델 선정

https://www.hitechbpo.com/blog/top-object-detection-models.php

10 Best Object Detection Models of 2025: Reviewed & Compared

- 리뷰 논문을 찾으려다가 가장 최신의 비교 글 이라서 가지고 왔음. 

 

- 위 4가지가 중요하지만, 최근의 모델들은 이미 이 특징들에 대해서 robust 해졌기 때문에 이젠 정말 

 모델 선택이 '선택'의 영역이 되고 있음. 

 

 

- 2025 top 객체 탐지모델로 설명함. 

- 교통 관리에서 yolo를 쓰는 이유는 명백함

 

- 위는 과제 페이지로 위 링크 참고하고, 아래 논문 참고해서 만든 것 

https://paperswithcode.com/paper/yolov11-an-overview-of-the-key-architectural

Papers with Code - YOLOv11: An Overview of the Key Architectural Enhancements

 

---

- 아래는 GPT가 추천해줌. 

YOLO와 비교할 만한 주요 모델

1. Detectron2 (Facebook AI)

• Faster R-CNN, Mask R-CNN, RetinaNet 등의 다양한 객체 탐지 모델을 포함
• CCTV 데이터에서 높은 정밀도를 원하면 Faster R-CNN 사용 추천
• YOLO보다 정확도는 높지만 속도가 느릴 수 있음

2. EfficientDet (Google Brain)

• YOLO보다 성능이 뛰어난 경우가 많으며, 작은 모델에서도 높은 정확도 유지
• 자동차 번호판 인식 등에도 활용 가능
• YOLOv8과 비교하면 비슷한 속도지만, 정확도가 더 높을 수 있음

3. Swin Transformer

• Transformer 기반의 모델로, 객체 검출에 강한 성능을 보임
• CCTV 영상처럼 해상도가 높은 이미지에 적합
• YOLO보다 계산량이 많아서 속도가 느릴 수 있음

4. DETR (DEtection TRansformer)

• CNN이 아닌 Transformer를 활용한 객체 검출 모델
• YOLO보다 학습 데이터가 적을 경우 성능이 떨어질 수도 있음
• 복잡한 장면에서도 객체 관계를 잘 파악할 수 있음

5. CenterNet

• 차량 검출 등에서 좋은 성능을 보이는 모델
• YOLO처럼 실시간 탐지가 가능하지만, CNN 기반이라 속도는 YOLO보다 느릴 수 있음

YOLO vs 다른 모델 비교

모델 장점 단점

YOLOv8	빠른 속도, 실시간 탐지 가능	작은 객체 검출이 어렵고 정확도 낮을 수 있음
Detectron2	높은 정확도, 다양한 모델 지원	속도가 느림
EfficientDet	정확도와 속도의 균형	작은 객체 탐지 성능이 약함
Swin Transformer	고해상도 CCTV에 적합	연산량이 많아 속도가 느림
DETR	Transformer 기반으로 강력한 객체 관계 학습	학습 데이터가 적으면 성능 저하 가능
CenterNet	작은 객체 검출 성능 우수	YOLO보다 속도가 다소 느릴 수 있음

결론

• 실시간 차량 탐지가 중요하면 YOLOv8, EfficientDet, CenterNet 추천
• 정확도가 중요하다면 Detectron2(Faster R-CNN), Swin Transformer 고려
• 복잡한 장면에서 객체 관계를 고려해야 한다면 DETR 추천