리서치 연구
Cross-Generation Optimization of YOLOv26, YOLOv11, and YOLOv8 for Fine-Grained Small-Object Detection and Instance Segmentation in Complex Orchards
ARarXiv
이 연구는 복잡한 과수 환경에서 정밀한 소형 객체 탐지 및 인스턴스 분할을 위해 YOLOv8, YOLOv11, YOLOv26의 교차 세대 벤치마크를 제시한다.
세 줄 요약
- YOLOv11s-960이 mask mAP@50:95(0.402)와 box mAP@50:95(0.426)로 최고치를 기록했고, YOLOv26s-960은 10.37 M 파라미터로 유사한 값을 달성했다.
- 모델 용량을 늘린다고 정확도가 일관되게 향상되지 않았으며, 소형 객체에 초점을 맞춘 YOLO 모델이 효율적인 정확도 대비를 제공한다.
- 연구 결과, 꽃받침 구조(peduncle)가 가장 탐지하기 어려웠던 클래스로 남아있어 추가적인 개선이 필요하다.
이 연구는 복잡한 과수 환경에서 정밀한 소형 객체 탐지 및 인스턴스 분할을 위해 YOLOv8, YOLOv11, YOLOv26의 교차 세대 벤치마크를 제시한다.