Object Detection Architectures

객체 탐지 아키텍처는 시각적 데이터 내의 항목을 식별하고 위치를 파악하는 데 사용되는 신경망의 구조적 청사진입니다. 더 넓은 컴퓨터 비전(CV) 분야에서 이러한 아키텍처는 원시 픽셀 데이터를 의미 있는 통찰력으로 처리하여 기계가 어떻게 "보는지"를 정의합니다. 단순히 이미지에 라벨을 지정하는 기본 분류 모델과 달리, 객체 탐지 아키텍처는 발견된 모든 개별 객체에 대해 bounding box와 함께 클래스 라벨 및 confidence score를 출력하도록 설계되었습니다. 이 구조적 설계는 모델의 속도, 정확도 및 계산 효율성을 결정하며, real-time inference나 고정밀 분석을 위한 모델을 선택할 때 가장 중요한 요소가 됩니다.

Link to this section아키텍처의 핵심 구성 요소#

While specific designs vary, most modern architectures share three fundamental components: the backbone, the neck, and the head. The backbone acts as the primary feature extractor. It is typically a Convolutional Neural Network (CNN) pre-trained on a large dataset like ImageNet, responsible for identifying basic shapes, edges, and textures. Popular choices for backbones include ResNet and CSPDarknet.

넥은 백본을 최종 출력 레이어와 연결합니다. 그 역할은 백본의 서로 다른 단계에서 추출된 특징을 혼합하고 결합하여 모델이 다양한 크기의 객체를 탐지할 수 있도록 하는 것이며, 이를 다중 스케일 특징 융합(multi-scale feature fusion)이라고 합니다. 아키텍처는 종종 여기서 Feature Pyramid Network (FPN)이나 Path Aggregation Network (PANet)를 활용하여 예측 레이어로 전달되는 의미론적 정보를 강화합니다. 마지막으로 detection head는 이러한 융합된 특징을 처리하여 각 객체의 특정 클래스와 좌표 위치를 예측합니다.

Link to this section진화: 2단계(Two-Stage) vs. 1단계(One-Stage)#

역사적으로 아키텍처는 두 가지 주요 범주로 나뉘었습니다. R-CNN 패밀리와 같은 **2단계 탐지기(Two-stage detectors)**는 먼저 객체가 존재할 수 있는 관심 영역(RoI)을 제안한 다음 두 번째 단계에서 해당 영역을 분류합니다. 일반적으로 정확하지만, 엣지 디바이스에서 사용하기에는 계산량이 너무 많은 경우가 많습니다.

In contrast, one-stage detectors treat detection as a simple regression problem, mapping image pixels directly to bounding box coordinates and class probabilities in a single pass. This approach, pioneered by the YOLO (You Only Look Once) family, revolutionized the industry by enabling real-time performance. Modern advancements have culminated in models like YOLO26, which not only offer superior speed but have also adopted end-to-end, NMS-free architectures. By removing the need for Non-Maximum Suppression (NMS) post-processing, these newer architectures reduce latency variability, which is crucial for safety-critical systems.

Link to this section실제 애플리케이션 사례#

아키텍처의 선택은 산업 전반의 AI 솔루션 성공에 직접적인 영향을 미칩니다.

• 소매 자동화: 스마트 슈퍼마켓에서 효율적인 1단계 아키텍처는 컨베이어 벨트나 쇼핑 카트에 있는 제품을 즉시 인식하는 자동 결제 시스템을 구현하여 대기 시간과 인적 오류를 줄여줍니다.
• 의료 진단: 고정밀 아키텍처는 의료 영상 분석에 사용되어 X-레이나 MRI 스캔에서 종양과 같은 이상 징후를 탐지합니다. 여기서 아키텍처가 미세한 세부 정보를 유지하는 능력은 단순히 처리 속도보다 훨씬 중요합니다.

Link to this section관련 용어 구분#

탐지 아키텍처를 유사한 컴퓨터 비전 작업과 구분하는 것은 중요합니다:

• 이미지 분류(Image Classification)와 비교: image classification 아키텍처(예: VGG 또는 EfficientNet)는 전체 이미지에 하나의 라벨(예: "고양이")을 할당합니다. 이 방식은 고양이가 어디에 있는지나 여러 마리의 고양이가 있는지 여부는 알려주지 않으며, 이는 탐지 아키텍처의 핵심 기능입니다.
• 인스턴스 분할(Instance Segmentation)과 비교: 탐지가 객체 주위에 상자를 그리는 반면, instance segmentation은 각 객체의 픽셀 단위로 정확한 윤곽(마스크)을 식별합니다. 분할 아키텍처는 종종 탐지 아키텍처의 확장판입니다(예: 탐지 헤드에 마스크 브랜치 추가).

Link to this sectionUltralytics를 활용한 구현#

현대적인 프레임워크는 이러한 아키텍처의 복잡성을 추상화하여 개발자가 최소한의 코드로 최첨단 설계를 활용할 수 있도록 합니다. ultralytics 패키지를 사용하면 사전 훈련된 YOLO26 모델을 로드하고 즉시 추론을 실행할 수 있습니다. 데이터셋을 관리하고 클라우드에서 사용자 지정 아키텍처를 훈련하려는 팀을 위해 Ultralytics Platform은 전체 MLOps 파이프라인을 간소화합니다.

from ultralytics import YOLO

# Load the YOLO26n model (nano version for speed)
model = YOLO("yolo26n.pt")

# Run inference on an image source
# This uses the model's architecture to detect objects
results = model("https://ultralytics.com/images/bus.jpg")

# Display the results
results[0].show()