YOLO / CNN 차이

1. CNN (Convolutional Neural Network)

CNN은 이미지의 시각적 특징을 추출하고, 이를 기반으로 분류 작업을 수행하는 인공신경망입니다.

주요 특징

• 이미지 내에 있는 패턴(모서리, 색상 변화 등)을 자동으로 학습합니다.
• 보통 이미지 전체를 하나의 클래스로 분류합니다.
• 구조는 합성곱층(Convolution Layer), 풀링층(Pooling Layer), 완전 연결층(Fully Connected Layer) 등으로 구성됩니다.
• 이미지 분류, 손글씨 인식, 얼굴 인식 등 단일 객체 인식에 효과적입니다.

예시

한 장의 이미지에 고양이 사진이 있다면, CNN은 "이 이미지는 고양이입니다"라고 하나의 결과만 출력합니다.

 

---

2. YOLO (You Only Look Once)

YOLO는 CNN을 기반으로 한 객체 탐지(Object Detection) 모델입니다. 이미지 안에 무엇이 어디에 있는지를 한 번에 예측하는 것이 특징입니다.

주요 특징

• 한 번의 연산으로 이미지 속의 여러 객체를 동시에 탐지합니다.
• 객체의 위치(좌표)와 클래스(종류)를 함께 예측합니다.
• 매우 빠르게 동작하여 실시간 탐지가 가능합니다.
• 구조적으로는 CNN을 기반으로 하지만, 예측 결과로 각 객체의 클래스 + 위치(Bounding Box) 정보를 함께 출력합니다.

예시

한 이미지에 고양이와 강아지가 함께 있다면, YOLO는 "왼쪽 위에 고양이, 오른쪽 아래에 강아지"처럼 각 객체의 위치와 종류를 동시에 알려줍니다.

 

---

3. 비교

 

항목	CNN	YOLO
주요 목적	이미지 분류	객체 탐지
출력 형태	하나의 클래스	여러 객체의 클래스 + 위치 정보
적용 분야	얼굴 인식, 자율주행 이미지 분류 등	CCTV, 자율주행 차량, 보안 시스템 등
처리 속도	상대적으로 빠름	매우 빠름 (실시간 탐지 가능)
기반 구조	Convolution 기반	CNN 기반 + 객체 위치/클래스 예측 구조