YOLO Evolution: A Comprehensive Benchmark and Architectural Review of YOLOv12, YOLO11, and Their Previous Versions

要約

この研究では、Yolov3から最新の追加まで、さまざまなヨロ（1回しか見ていない）アルゴリズムの包括的なベンチマーク分析を提示します。
これは、Yoloファミリーへの最新の追加であるYolo11のパフォーマンスを包括的に評価する最初の研究を表しています。
3つの多様なデータセットでのパフォーマンスを評価します。トラフィックサイン（オブジェクトサイズの変化）、アフリカの野生生物（多様なアスペクト比、および画像ごとのオブジェクトの少なくとも1つのインスタンス）、および船と船舶（単一の小型オブジェクトを使用します）
クラス）、明確な課題を伴うデータセット全体の包括的な評価を確保します。
堅牢な評価を確保するために、精度、リコール、平均平均精度（MAP）、処理時間、GFLOPSカウント、モデルサイズなど、包括的なメトリックセットを使用します。
分析では、各ヨロバージョンの特徴的な強みと制限を強調しています。
たとえば、Yolov9は実質的な精度を示しますが、小さなオブジェクトと効率の検出に苦労していますが、Yolov10は、オブジェクトの検出のパフォーマンスに影響を与えるが速度と効率に優れているアーキテクチャの選択により、比較的低い精度を示します。
さらに、Yolo11ファミリーは、精度、速度、計算効率、モデルサイズの点で一貫して優れた性能を示しています。
Yolo11Mは、精度と効率性の驚くべきバランスを達成し、それぞれ交通標識、アフリカの野生生物、および船舶データセットで0.795、0.81、および0.325のMAP50-95スコアを採点し、平均推論時間2.4ms、モデルサイズを維持し、モデルサイズを維持しました。
38.8MB、および平均して約67.6 GFLOPS。
これらの結果は、産業と学界の両方に重要な洞察を提供し、多様なアプリケーションに最も適したヨロアルゴリズムの選択を促進し、将来の強化を導きます。

要約(オリジナル)

This study presents a comprehensive benchmark analysis of various YOLO (You Only Look Once) algorithms, from YOLOv3 to the newest addition. It represents the first research to comprehensively evaluate the performance of YOLO11, the latest addition to the YOLO family. It evaluates their performance on three diverse datasets: Traffic Signs (with varying object sizes), African Wildlife (with diverse aspect ratios and at least one instance of the object per image), and Ships and Vessels (with small-sized objects of a single class), ensuring a comprehensive assessment across datasets with distinct challenges. To ensure a robust evaluation, we employ a comprehensive set of metrics, including Precision, Recall, Mean Average Precision (mAP), Processing Time, GFLOPs count, and Model Size. Our analysis highlights the distinctive strengths and limitations of each YOLO version. For example: YOLOv9 demonstrates substantial accuracy but struggles with detecting small objects and efficiency whereas YOLOv10 exhibits relatively lower accuracy due to architectural choices that affect its performance in overlapping object detection but excels in speed and efficiency. Additionally, the YOLO11 family consistently shows superior performance in terms of accuracy, speed, computational efficiency, and model size. YOLO11m achieved a remarkable balance of accuracy and efficiency, scoring mAP50-95 scores of 0.795, 0.81, and 0.325 on the Traffic Signs, African Wildlife, and Ships datasets, respectively, while maintaining an average inference time of 2.4ms, a model size of 38.8Mb, and around 67.6 GFLOPs on average. These results provide critical insights for both industry and academia, facilitating the selection of the most suitable YOLO algorithm for diverse applications and guiding future enhancements.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google