성능 (모델별 정확도·속도)
성능 (모델별 정확도·속도)
YOLO11은 크기별로 n(nano)·s(small)·m(medium)·l(large)·x(xlarge) 모델을 제공해요. 아래는 검출(COCO) 성능과 속도 지표예요.
검출 성능 (COCO)
| 모델 | size(pixels) | mAP val 50-95 | Speed CPU ONNX(ms) | Speed T4 TensorRT10(ms) | params(M) | FLOPs(B) |
|---|---|---|---|---|---|---|
| YOLO11n | 640 | 39.5 | 56.1 ± 0.8 | 1.5 ± 0.0 | 2.6 | 6.5 |
| YOLO11s | 640 | 47.0 | 90.0 ± 1.2 | 2.5 ± 0.0 | 9.4 | 21.5 |
| YOLO11m | 640 | 51.5 | 183.2 ± 2.0 | 4.7 ± 0.1 | 20.1 | 68.0 |
| YOLO11l | 640 | 53.4 | 238.6 ± 1.4 | 6.2 ± 0.1 | 25.3 | 86.9 |
| YOLO11x | 640 | 54.7 | 462.8 ± 6.7 | 11.3 ± 0.2 | 56.9 | 194.9 |
mAP val 50-95은 COCO val에서의 mean Average Precision(mAP 0.5:0.95)params(M)는 파라미터 수(백만 단위),FLOPs(B)는 계산량(십억 단위)- COCO 80개 사전학습 클래스 기반 모델이고, 사용 예시는 Detection 문서 참고
- 인스턴스 세그멘테이션(COCO), 분류(ImageNet), 포즈(COCO), OBB(DOTAv1) 성능도 별도 제공돼요
표를 보면 작은 모델(n)일수록 빨라지고 클 모델(x)일수록 정확도가 올라가는 것을 확인할 수 있어요.