YOLO(You Only Look Once)는 합성곱 신경망을 기반으로 한 실시간 객체 탐지 시스템 계열이다. 2015년 Joseph Redmon과 동료들이 처음 소개한 이후, YOLO는 여러 차례의 개선을 거쳐 가장 널리 사용되는 객체 탐지 프레임워크 중 하나가 되었다. 이 이름은 알고리즘의 핵심 설계를 반영하는데, 이전의 R-CNN과 같은 지역 제안 기반 기법이 단일 이미지에 대해 수천 번의 패스를 요구했던 것과 달리, 신경망을 통한 단 한 번의 순방향 전파만으로 예측을 수행한다는 점을 나타낸다.
이전 방법들이 모델을 이미지의 여러 위치와 크기에 적용했던 것과 달리, YOLO는 전체 이미지에 단일 신경망을 적용한다. 네트워크는 이미지를 격자 영역으로 나누고 각 영역에 대한 경계 상자와 클래스 확률을 예측한다. 이러한 예측은 신뢰 점수로 가중되어 단일 평가에서 빠르고 정확한 탐지를 가능하게 한다.
개요
YOLO의 아키텍처는 전체 이미지를 한 번에 처리하는 합성곱 신경망을 중심으로 구축된다. 이미지는 S × S 격자로 나뉘며, 각 셀은 경계 상자와 신뢰 점수를 예측하는 역할을 담당한다. 객체의 경계 상자 중심이 특정 셀 내에 속하면 해당 셀이 객체를 "포함"하는 것으로 간주된다. 각 셀은 B개의 경계 상자를 예측하며, 신뢰 점수는 객체 존재 가능성과 예측된 상자의 정확성을 모두 반영한다.
각 셀에 대한 네트워크 출력에는 조건부 클래스 확률(셀이 주어진 클래스의 객체를 포함할 확률, 단 하나 이상의 객체를 포함한다는 조건 하에)과 경계 상자 매개변수(중심 좌표, 너비, 높이)가 포함된다. 셀당 여러 경계 상자를 사용하면 모델이 가는 객체와 굵은 객체와 같은 다양한 객체 형태에 특화될 수 있다. 원래 YOLO 아키텍처는 24개의 합성곱 층과 2개의 완전 연결 층으로 구성되었다.
훈련 중에는 실제 경계 상자를 포함하는 각 셀에 대해, 실제 상자와의 교집합 대 합집합 비율(IoU)이 가장 높은 예측 상자만 경사 하강에 사용된다. 손실 함수는 모델이 예측된 상자 좌표를 실제 상자와 정렬하고, 올바른 클래스 확률을 설정하며, 거짓 양성을 억제하도록 유도한다.
이전 기법 및 배경
YOLO 이전의 객체 탐지 시스템인 R-CNN과 OverFeat은 지역 제안 또는 다중 스케일 스캔 접근 방식을 사용했다. 초기 영향력 있는 모델인 OverFeat은 분류를 위한 신경망을 훈련한 후 경계 상자 모서리를 예측하기 위한 회귀 네트워크를 추가했다. 추론 시에는 여러 확대 수준과 잘라내기로 분류 네트워크를 실행하여 수천 개의 후보 상자를 생성한 후 병합했다. 이 과정은 계산 비용이 많이 들고 느렸다.
YOLO는 탐지를 단일 회귀 문제로 재구성하여 이러한 비효율성을 해결했다. YOLO는 이미지를 여러 번 스캔하는 대신 전체 이미지를 한 번의 순방향 패스로 처리하여 경쟁력 있는 정확도를 유지하면서도 훨씬 빠른 속도를 제공한다. 이러한 전환은 비디오 분석, 로봇 공학, 자율 주행 분야에서 실시간 응용을 가능하게 했다.
버전
YOLO 시리즈는 두 부분으로 나눌 수 있다. Joseph Redmon이 유지 관리한 원래 부분에는 YOLOv1, YOLOv2, YOLOv3가 포함된다. 이 버전들은 전용 웹사이트에서 출시되었으며 연구와 산업 분야에서 널리 채택되었다.
YOLOv1
2015년에 소개된 YOLOv1은 핵심 프레임워크를 확립했다. 이미지를 S × S 격자로 나누고, 각 셀이 B개의 경계 상자와 신뢰 점수를 예측했다. 각 셀에 대한 네트워크 출력에는 클래스 확률과 상자 좌표가 포함되었다. 원래 구현은 S = 7과 B = 2를 사용하여 이미지당 98개의 경계 상자를 생성했다. 속도에도 불구하고 YOLOv1은 작은 객체 탐지와 겹치는 객체 처리에 한계가 있었으며, 이후 버전에서 이러한 문제를 해결했다.
YOLOv2 및 YOLOv3
YOLOv2는 YOLO9000이라고도 하며 배치 정규화, 앵커 상자, 다중 스케일 훈련과 같은 개선 사항을 도입했다. 계층적 분류를 활용하여 9,000개 이상의 객체 범주를 탐지할 수 있었다. YOLOv3는 잔차 연결과 다중 스케일 예측을 갖춘 더 깊은 아키텍처를 사용하여 정확도를 더욱 향상시켰으며, 작은 객체 탐지를 개선했다. 이러한 버전들은 YOLO를 최첨단 실시간 탐지기로 확고히 자리매김하게 했다.
영향 및 응용
YOLO의 속도와 효율성은 비디오 감시, 자율 주행 차량, 로봇 공학을 포함한 실시간 응용 분야에서 인기 있는 선택이 되게 했다. 단일 패스 설계는 계산 자원이 제한된 엣지 장치와 임베디드 시스템에 특히 적합하다. 이 프레임워크는 이후 객체 탐지 연구에도 영향을 미쳐 많은 변형과 적응을 고무했다.
2020년대 초반 기준으로 YOLO는 연구 커뮤니티에서 계속 활발히 개발되고 있으며, YOLOv4, YOLOv5 및 이후 반복 버전들이 추가 최적화를 도입하고 있다. 이러한 버전들은 종종 딥러닝 및 신경망 연구의 기법(예: 주의 메커니즘, 개선된 훈련 전략)을 통합한다. YOLO의 유산은 정확도를 희생하지 않고 실시간 탐지가 가능하다는 것을 입증한 데 있으며, 현대 컴퓨터 비전의 초석이 되었다.