Core Concepts
전기 스쿠터의 안전성 향상을 위해 YOLO 객체 탐지기의 성능을 종합적으로 평가하였다. 22개의 최신 YOLO 모델을 벤치마킹한 결과, YOLOv5s가 가장 우수한 성능을 보였으며, YOLOv5와 YOLOv6 모델이 정확도와 효율성의 최적 균형을 달성하였다.
Abstract
이 연구는 전기 스쿠터의 안전성 향상을 위해 실시간 객체 탐지 기술의 성능을 종합적으로 평가하였다. 22개의 최신 YOLO 객체 탐지기 모델을 벤치마킹한 결과, 다음과 같은 주요 발견사항이 있다:
객체 탐지 정확도 측면에서, YOLOv5s가 가장 우수한 성능을 보였으며 mAP@0.5가 86.8%에 달했다. 대부분의 YOLO 모델이 72.1%에서 86.8% 사이의 mAP@0.5 성능을 보였다.
모델 복잡도와 추론 속도 측면에서, YOLOv5n, YOLOv5s 및 YOLOv3-tiny가 가장 뛰어난 효율성을 보였다. 이들 모델은 5밀리초 미만의 빠른 추론 속도를 달성했다. 반면 YOLOv8x는 가장 높은 연산량과 가장 느린 추론 속도를 보였다.
객체 클래스별 성능 분석에서, "자동차", "자전거", "버스", "소화전", "정지 표지판" 등의 클래스에서 90% 이상의 높은 mAP@0.5 성능을 보였다. 반면 "사람", "벤치", "스쿠터" 클래스는 상대적으로 낮은 성능을 보였다.
이러한 종합적인 성능 평가 결과는 전기 스쿠터의 안전성 향상을 위한 객체 탐지 시스템 개발에 유용한 참고자료가 될 것이다. 특히 YOLOv5와 YOLOv6 모델이 정확도와 효율성의 최적 균형을 달성한 것으로 나타났다.
Stats
"자동차 클래스의 mAP@0.5 성능은 YOLOv5s에서 92.4%, YOLOv8s에서 92.1%를 기록했다."
"버스 클래스의 mAP@0.5 성능은 YOLOv5s에서 98.9%, YOLOv8s에서 96.3%를 기록했다."
"스쿠터 클래스의 mAP@0.5 성능은 YOLOv5s에서 60.4%, YOLOv8s에서 49.3%에 그쳤다."
Quotes
"YOLOv5 및 YOLOv6 모델이 정확도와 효율성의 최적 균형을 달성한 것으로 나타났다."
"YOLOv3-tiny, YOLOv5n, YOLOv5s와 같은 모델이 5밀리초 미만의 빠른 추론 속도를 보였다."