YOLOv8, YOLO11 성능 정량적 비교

https://github.com/developer0hye/yolov8-vs-yolo11/tree/main

GitHub - developer0hye/yolov8-vs-yolo11: The average precision per class for the YOLOv8 and YOLO11 pre-trained on the COCO datas

 

 

 

 

정리 후 느낀점은 요새 핫한 LLM, VLM 세계에서는 스케일링을 통해 AGI로 향해 가고 있다면(sLLM도 있긴 하지만), YOLO 시리즈들은 본래 YOLOv1 이 추구했던 처리 속도와 성능 모두 밸런스 있는 모델 개발을 위해 제한적인 파라미터 사이즈에 얽매이느라 크게 혁신적인 성능 개선을 오히려 못 이뤄내고 있는 것 같다. YOLO11만 해도 v8보다 적은 파라미터 사이즈의 모델로 이전 시리즈와 엇비슷하면서 좋은 성능을 내기 위해 노력한 것으로 보인다. GPU, NPU 와 같은 프로세서의 발전을 믿고 처리 속도를 조금만 더 희생하고 성능을 올린 디텍션 모델이 언젠가는 나오겠지

 

개인적으로 DINO swinL scale5 모델을 테스트 해보고나서 굉장한 충격을 받았는데 어서 이 성능을 YOLO시리즈에서도 느껴보고싶다.