Comparison of changes in classification accuracy by YOLO version using VisDrone-DET training data

객체 탐지는 자율주행, 안전관리, 도시관리, 스마트 팩토리, 환경보호 등 사회의 다양한 분야 활발하게 사용되고 있다. 한편, 다양한 버전의 YOLO가 발표됨에 따라 학습데이터에 적합한 모델 및 하이퍼 파라미터 선정에 관한 연구가 필요하다. 이에, 본 연구에서는 VisDrone-DET 학습데이터를 사용하여 다양한 버전의 YOLO(v5, v6, v8, v10 및 v11)의 성능을 학습 실험을 통해 확인하였다. 또한, 하이퍼 파라미터 중 가중치 크기, 입력 이미지 해상도, 최적화 기능 및 학습률의 변경을 통해 정확도의 변화도 분석하였다. 실험 결과, YOLO v8 XLarge 모델에 대해 Adam 최적화 함수, 학습률 0.001, 입력 사진 크기 1920픽셀을 사용하였을 때, mAP@50 기준 0.669로 정확도가 가장 높은 것으로 나타났다. 특히, 시각화를 통해 YOLO v8이 작은 물체 감지에도 뛰어남을 확인하였다. 본 실험을 통해 학습데이터에 따라 학습 실험을 통해 적합한 YOLO 모델을 찾는 것이 중요함을 확인하였으며, 추후 다양한 학습데이터를 통해 다양한 객체에 대해 누적된 결과를 얻을 수 있다면, 객체 특징을 고려한 YOLO 버전 및 하이퍼 파라미터를 제안할 수 있는 솔루션 개발도 가능할 것으로 기대된다.