One-Stage Object Detectors
원스테이지 객체 검출기는 영역 제안 단계 없이 한 번의 네트워크 패스로 모든 박스와 클래스를 예측합니다. 작동 방식, 주요 모델, 장단점을 살펴봅니다.
1단계 객체 탐지기는 하나의 네트워크를 한 번 순전파해 이미지의 모든 객체에 대한 바운딩 박스와 클래스 레이블을 예측하는 객체 탐지 모델입니다. 후보 위치의 밀집된 그리드를 한 번에 평가합니다. 별도의 영역 제안 단계가 없습니다. 2단계 객체 탐지기는 먼저 객체가 있을 가능성이 높은 영역을 제안한 다음 각 영역에 두 번째 헤드를 적용합니다. 이 단계를 없앤 덕분에 YOLO를 시작으로 1단계 탐지기가 실시간 탐지의 기반이 되었습니다. YOLO의 기본 모델은 2015년에 초당 45프레임으로 실행됐으며, 현재 모델까지 이어지고 있습니다.
1단계 탐지기의 작동 방식#
백본은 이미지를 특징 맵으로 변환하고, 넥은 여러 스케일의 특징 맵을 결합합니다. 이어서 밀집된 탐지 헤드가 모든 스케일의 모든 위치에서 클래스 점수와 박스를 예측합니다. SSD, YOLOv2, RetinaNet과 같은 초기 1단계 모델은 각 위치의 여러 앵커 박스를 기준으로 오프셋을 예측했습니다. 2019년 FCOS 이후 대부분의 모델은 각 위치에서 박스의 네 모서리까지의 거리를 예측하는 앵커 프리 탐지기 설계를 사용합니다. 이렇게 생성된 수천 개의 후보 박스는 신뢰도 임계값과 비최대 억제(NMS)로 객체마다 박스 하나만 남기거나, 일대일 매칭으로 학습된 헤드가 바로 출력합니다.
1단계 탐지기는 한 번 호출하면 실행되며, 시간 분석 결과 단일 네트워크 패스가 나타납니다:
from ultralytics import YOLO
# Load YOLO26n, a one-stage detector pretrained on the 80 COCO classes
model = YOLO("yolo26n.pt")
# One forward pass predicts the box and class of every object in the image
results = model("https://ultralytics.com/images/bus.jpg")
result = results[0]
print(f"{len(result.boxes)} objects: {[result.names[int(c)] for c in result.boxes.cls]}")
# Milliseconds for resizing the image, the single network pass, and NMS
print(result.speed)result.speed에는 전처리, 추론, 후처리의 세 단계가 표시됩니다. 한 번의 추론 패스에서 이미지의 모든 객체를 처리합니다.
단일 단계 탐지기와 2단계 탐지기 비교#
두 설계는 백본과 넥을 공유합니다. 2단계 탐지기는 영역 제안 네트워크를 실행해 수백 개의 후보 영역을 선택한 다음 각 영역의 특징을 크롭하고, 모든 크롭을 두 번째 헤드에 전달해 분류 및 보정합니다. 1단계 탐지기는 이러한 단계를 모든 그리드 위치를 처리하는 단일 밀집 헤드로 대체합니다.
R-CNN 계열은 수년간 탐지 정확도를 선도했습니다. Faster R-CNN은 이미지당 약 300개의 제안 영역을 보정하며 VGG-16 백본으로 초당 5프레임을 처리했습니다. 1단계 탐지기는 훨씬 빨랐지만 정확도가 뒤처졌습니다. 2017년 RetinaNet은 그 원인이 전경과 배경의 불균형임을 밝혔습니다. 밀집 탐지기는 이미지당 약 100,000개의 후보 위치를 평가하며, 대부분은 배경입니다. 이 쉬운 음성 사례가 일반적인 손실 함수에 과도한 영향을 미칩니다. RetinaNet의 초점 손실은 이러한 사례의 가중치를 낮췄으며, 초기 1단계 탐지기의 속도를 유지하면서 당시 2단계 탐지기의 정확도를 넘어섰습니다. DETR 및 RT-DETR과 같은 트랜스포머 탐지기도 하나의 네트워크로 실행되며, 일대일 매칭을 사용해 고정된 크기의 박스 집합을 예측합니다.
실제 적용 사례#
- 교통 및 비디오 분석: 탐지기는 모든 카메라 피드의 모든 프레임에서 실행되어 차량 수를 세고 흐름을 측정하며 객체 추적기에 데이터를 전달합니다.
- 제조 검사: 생산 라인의 카메라는 부품이 카메라 앞을 순식간에 지나가는 동안 결함과 누락된 구성 요소를 탐지합니다.
- 드론 및 임베디드 기기: 소형 네트워크 하나로 드론, 휴대전화, 스마트 카메라의 연산 및 전력 예산에 맞출 수 있습니다.
최신 1단계 탐지기의 핵심 아이디어#
- 특징 피라미드 네트워크(FPN): 여러 해상도에서 예측하면 세밀한 특징 맵은 작은 객체를, 거친 특징 맵은 큰 객체를 탐지할 수 있습니다.
- 초점 손실: 배경의 쉬운 후보에 낮은 가중치를 부여해 초기 밀집 탐지기의 성능을 제한하던 클래스 불균형을 해결했습니다.
- 레이블 할당: SimOTA 및 작업 정렬 할당과 같은 방법은 학습 중 예측 결과 자체를 바탕으로 각 객체의 양성 위치를 선택합니다.
- NMS 없는 헤드: 일대일 매칭으로 학습된 헤드는 객체마다 박스 하나를 출력해 후보 수에 따라 비용이 증가하는 후처리 단계를 제거합니다.
YOLO26은 두 종류의 헤드를 모두 갖춘 앵커 프리 원스테이지 탐지기입니다. 기본적으로 NMS를 적용하며, nms=False을 지정하면 원투원 헤드로 전환됩니다. YOLO26n은 NMS를 사용하면 mAP50-95 40.9, 사용하지 않으면 40.1을 기록합니다. NVIDIA T4 GPU에서 TensorRT를 사용했을 때 이미지당 1.7ms가 걸립니다. COCO
