[논문 리뷰] YOLOv12: A Breakdown of the Key Architectural Features

Mujadded Al Rabbani Alif, Muhammad Hussain|ArXiv.org|2025. 02. 20.

Environmental Sustainability and Technology인용 수 9

한 줄 요약

본 논문은 YOLOv12의 아키텍처를 분석하고 R-ELAN 백본, 7×7 분리 합성곱, FlashAttention 기반 영역 주의를 도입하며, 변형별로 더 높은 mAP와 더 빠른 추론을 보고한다.

ABSTRACT

This paper presents an architectural analysis of YOLOv12, a significant advancement in single-stage, real-time object detection building upon the strengths of its predecessors while introducing key improvements. The model incorporates an optimised backbone (R-ELAN), 7x7 separable convolutions, and FlashAttention-driven area-based attention, improving feature extraction, enhanced efficiency, and robust detections. With multiple model variants, similar to its predecessors, YOLOv12 offers scalable solutions for both latency-sensitive and high-accuracy applications. Experimental results manifest consistent gains in mean average precision (mAP) and inference speed, making YOLOv12 a compelling choice for applications in autonomous systems, security, and real-time analytics. By achieving an optimal balance between computational efficiency and performance, YOLOv12 sets a new benchmark for real-time computer vision, facilitating deployment across diverse hardware platforms, from edge devices to high-performance clusters.

연구 동기 및 목표

• YOLOv12의 아키텍처 혁신과 그것이 실시간 객체 탐지를 어떻게 개선하는지 설명한다.
• R-ELAN 백본, 7×7 분리 합성곱, 영역 주의가 정확도와 효율성에 미치는 영향을 평가한다.
• 모델 변형을 제시하고 엣지에서 클라우드 하드웨어에 이르기까지 배치 고려사항을 논의한다.

제안 방법

• 백본(R-ELAN)과 그 잔차 연결성을 설명한다.
• 7×7 분리 합성곱과 더 적은 매개변수로 공간 컨텍스트를 보존하는 역할을 설명한다.
• FlashAttention로 가속된 넥의 영역 주의 메커니즘을 자세히 설명한다.
• 실시간 성능을 위한 헤드 재설계와 정제된 손실 경로를 개괄한다.
• 학습 파이프라인 개선 및 매개변수 효율성 조치를 요약한다.

실험 결과

연구 질문

• RQ1 R-ELAN 백본이 스케일 간 기울기 흐름과 특징 재사용에 어떤 영향을 미치는가?
• RQ2 복잡한 장면에서 영역 주의(FlashAttention를 통한)의 탐지 정확도에 대한 기여는 무엇인가?
• RQ3 7×7 분리 합성곱이 정확도 손실 없이 매개변수 수와 처리량에 어떤 영향을 미치는가?
• RQ4 이전 YOLO 버전 대비 YOLOv12 변형(12n, 12s, 12m, 12x)의 비교 성능 향상(속도와 mAP)은 무엇인가?

주요 결과

• YOLOv12 변형은 이전 YOLO 세대보다 더 높은 COCO mAP와 더 빠른 추론을 달성하며, 12x은 약 12 ms의 추론 시간에서 약 56% mAP50-95에 도달한다.
• 작은 변형들(예: 12n, 12s)은 대기 시간 제약이 있는 배치에 적합한 강력한 속도-정확도 트레이드오프를 제공한다.
• 백본(R-ELAN)과 넥(FlashAttention이 포함된 영역 주의)은 실시간 성능을 유지하면서 작은 물체 및 가려진 물체 탐지를 함께 향상시킨다.
• 7×7 분리 합성곱은 공간 컨텍스트를 보존하면서 매개변수 수와 계산 부하를 줄인다.
• 모델은 공유된 백본과 분할 헤드를 통해 인스턴스 세분화를 지원하여 과도한 오버헤드 없이 적용 범위를 확장한다.