---
id: wiki-2026-0508-object-detection-foundations
title: Object Detection Foundations
category: 10_Wiki/Topics
status: verified
canonical_id: self
aliases: [Object Detection, Detection Models, YOLO, DETR, Faster R-CNN]
duplicate_of: none
source_trust_level: A
confidence_score: 0.95
verification_status: applied
tags: [object-detection, yolo, detr, faster-rcnn, sam, ultralytics, vision]
raw_sources: []
last_reinforced: 2026-05-10
github_commit: pending
tech_stack: { language: Python, framework: PyTorch/Ultralytics }
---

## 한 줄
이미지에서 객체의 클래스+박스를 예측하는 태스크로, 2026 현재 YOLOv11/RT-DETR/SAM 기반 open-vocabulary 가 주류이다.

## 핵심
- **2-stage**: Faster R-CNN (RPN → ROI → 분류/회귀). 정확하나 느림.
- **1-stage**: YOLO 시리즈 (v8/v9/v10/v11), RetinaNet, FCOS. 빠르고 anchor-free 추세.
- **Transformer**: DETR, Deformable DETR, RT-DETR — set prediction, NMS 불필요.
- **Open-vocabulary**: GroundingDINO, OWLv2, YOLO-World — 텍스트 프롬프트로 검출.
- **SAM 기반**: SAM2 + bbox prompt → 정밀 마스크. 검출+분할 결합.
- **Loss**: GIoU/CIoU/DFL (분포-focal), VariFocal Loss (v8+).
- **Metric**: mAP@[.5:.95] COCO 표준, FPS, 파라미터 수.

## 💻 패턴

```python
# 1) Ultralytics YOLOv11 학습/추론
from ultralytics import YOLO
model = YOLO("yolo11n.pt")
model.train(data="coco128.yaml", epochs=50, imgsz=640, batch=16, device=0)
results = model("image.jpg", conf=0.25, iou=0.5)
results[0].boxes.xyxy  # tensor [n, 4]
```

```python
# 2) HuggingFace RT-DETR 추론
from transformers import RTDetrForObjectDetection, RTDetrImageProcessor
import torch
from PIL import Image

proc = RTDetrImageProcessor.from_pretrained("PekingU/rtdetr_r50vd_coco_o365")
model = RTDetrForObjectDetection.from_pretrained("PekingU/rtdetr_r50vd_coco_o365").eval()
img = Image.open("img.jpg")
inputs = proc(images=img, return_tensors="pt")
with torch.no_grad():
    out = model(**inputs)
res = proc.post_process_object_detection(out, target_sizes=torch.tensor([img.size[::-1]]),
                                          threshold=0.5)[0]
```

```python
# 3) GroundingDINO open-vocabulary 검출
from groundingdino.util.inference import load_model, predict, load_image
model = load_model("GroundingDINO_SwinT_OGC.cfg", "groundingdino_swint_ogc.pth")
image_source, image = load_image("img.jpg")
boxes, logits, phrases = predict(model, image, caption="red car . pedestrian",
                                  box_threshold=0.35, text_threshold=0.25)
```

```python
# 4) YOLO + SAM2 = 검출 후 정밀 분할
from ultralytics import YOLO, SAM
yolo = YOLO("yolo11n.pt")
sam = SAM("sam2_b.pt")

dets = yolo("img.jpg")[0]
boxes = dets.boxes.xyxy.cpu().numpy()
masks = sam("img.jpg", bboxes=boxes)[0].masks.data
```

```python
# 5) IoU + NMS (직접 구현)
import torch
def box_iou(a, b):
    A = (a[:, 2] - a[:, 0]) * (a[:, 3] - a[:, 1])
    B = (b[:, 2] - b[:, 0]) * (b[:, 3] - b[:, 1])
    lt = torch.max(a[:, None, :2], b[None, :, :2])
    rb = torch.min(a[:, None, 2:], b[None, :, 2:])
    inter = (rb - lt).clamp(min=0).prod(-1)
    return inter / (A[:, None] + B[None, :] - inter + 1e-7)

def nms(boxes, scores, iou_thr=0.5):
    keep, order = [], scores.argsort(descending=True)
    while order.numel():
        i = order[0].item(); keep.append(i)
        if order.numel() == 1: break
        ious = box_iou(boxes[i:i+1], boxes[order[1:]])[0]
        order = order[1:][ious <= iou_thr]
    return keep
```

```python
# 6) COCO mAP 평가
# pip install pycocotools
from pycocotools.coco import COCO
from pycocotools.cocoeval import COCOeval

gt = COCO("annotations/instances_val2017.json")
dt = gt.loadRes("predictions.json")
ev = COCOeval(gt, dt, iouType="bbox")
ev.evaluate(); ev.accumulate(); ev.summarize()
```

```python
# 7) Albumentations로 박스-안전 augmentation
import albumentations as A
T = A.Compose([
    A.HorizontalFlip(p=0.5),
    A.RandomBrightnessContrast(p=0.3),
    A.Mosaic(p=0.5),  # YOLO 표준
    A.Resize(640, 640),
], bbox_params=A.BboxParams(format="yolo", label_fields=["cls"]))
out = T(image=img, bboxes=bboxes_yolo, cls=cls)
```

## 결정 기준

| 상황 | 모델 |
|---|---|
| 모바일/엣지 RT | YOLOv11n/s |
| 서버 RT 고정확 | RT-DETR-L, YOLOv11x |
| 텍스트 프롬프트 / zero-shot | GroundingDINO, YOLO-World |
| 검출+세그멘테이션 | YOLO + SAM2 |
| 작은 객체 많음 | 고해상도 + SAHI 슬라이싱 |
| 비디오 추적 | YOLO + ByteTrack/BoT-SORT |

## 🔗 Graph
- 부모: [[Computer Vision]], [[Deep Learning]]
- 모델: [[YOLO]], [[DETR]], [[Faster R-CNN]], [[SAM]]
- 인접: [[Instance Segmentation]], [[OCR]]

## 🤖 LLM 활용
- 데이터셋 통계 → 모델/하이퍼파라미터 추천.
- 추론 결과 박스 → 자연어 장면 설명.
- 오류 분석: false positive 패턴 군집 라벨링.

## ❌ 안티패턴
- mAP만 보고 추론 속도/메모리 무시.
- imgsz를 너무 크게 (1280+) → 학습 OOM.
- val 데이터로 hyperparam tune (test leak).
- NMS iou_thr 0.5 고정 — 밀집 객체에서 큰 박스 누락.
- COCO 사전학습 무시하고 small dataset scratch 학습.

## 🧪 검증
- COCO mAP@[.5:.95] + per-class AP.
- 실시간성: 대상 하드웨어에서 FPS, latency p95.
- robustness: COCO-C, 야간/우중 시나리오.

## 🕓 Changelog
- 2026-05-08 Phase 1 자동 생성
- 2026-05-10 Manual cleanup — house style 적용