PP-YOLOE+ vs YOLOv7: Uma comparação técnica para a deteção de objectos
A seleção do modelo de deteção de objectos correto é crucial para as tarefas de visão por computador. Esta página fornece uma comparação técnica detalhada entre o PP-YOLOE+ e o YOLOv7, dois modelos topo de gama, para o ajudar a tomar uma decisão informada. Iremos explorar os seus designs arquitectónicos, referências de desempenho e aplicações ideais.
YOLOv7: optimizado para velocidade e eficiência
O YOLOv7, da família YOLO , é conhecido pelo seu foco na deteção de objectos em tempo real, mantendo uma elevada eficiência. Foi desenvolvido por Chien-Yao Wang, Alexey Bochkovskiy e Hong-Yuan Mark Liao do Instituto de Ciências da Informação, Academia Sinica, Taiwan, e foi lançado em 2022-07-06.
- Arquitetura: O YOLOv7 emprega uma Rede de Agregação de Camadas Eficiente Estendida (E-ELAN) na sua espinha dorsal para melhorar a aprendizagem da rede. Também incorpora a re-parametrização do modelo e o treinamento guiado por chumbo grosso para fino para melhorar a precisão sem afetar significativamente a velocidade de inferência.
- Desempenho: O YOLOv7 consegue um excelente equilíbrio entre velocidade e precisão. Modelos como
YOLOv7leYOLOv7xdemonstram valores elevados de mAP com velocidades de inferência rápidas, particularmente quando optimizados com o TensorRT. - Casos de uso: A velocidade do YOLOv7 torna-o adequado para aplicações em tempo real, como sistemas de alarme de segurança, estimativa de velocidade e sistemas robóticos onde a baixa latência é crítica. Sua eficiência também permite a implantação em dispositivos de ponta como o NVIDIA Jetson.
PP-YOLOE+: Sem âncoras e versátil
O PP-YOLOE+, desenvolvido pelos autores da PaddlePaddle na Baidu e lançado em 2022-04-02, é um modelo de deteção de objectos sem âncoras da PaddleDetection. Dá ênfase à simplicidade e ao bom desempenho.
- Arquitetura: O PP-YOLOE+ adopta uma abordagem sem âncoras, simplificando a conceção do modelo e reduzindo a afinação de hiperparâmetros. Apresenta uma cabeça desacoplada e VariFocal Loss para uma melhor classificação e localização. O PP-YOLOE+ baseia-se no modelo PP-YOLOE de base com melhorias na espinha dorsal, no pescoço e na cabeça para uma melhor precisão e eficiência.
- Desempenho: Os modelos PP-YOLOE+ atingem um bom equilíbrio entre precisão e velocidade. Vários tamanhos (t, s, m, l, x) oferecem pontuações mAP competitivas e tempos de inferência TensorRT rápidos, tornando-os adaptáveis a diferentes necessidades.
- Casos de utilização: O design sem âncoras e o desempenho equilibrado do PP-YOLOE+ tornam-no versátil para aplicações como a inspeção da qualidade industrial, a eficiência da reciclagem e cenários que exigem uma deteção robusta e precisa sem sacrificar a velocidade. A sua eficiência permite a implementação em várias plataformas de hardware.
Documentação PP-YOLOE+ (PaddleDetection)
Tabela de comparação de modelos
| Modelo | tamanho (pixéis) |
mAPval 50-95 |
Velocidade CPU ONNX (ms) |
Velocidade T4TensorRT10 (ms) |
params (M) |
FLOPs (B) |
|---|---|---|---|---|---|---|
| PP-YOLOE+t | 640 | 39.9 | - | 2.84 | 4.85 | 19.15 |
| PP-YOLOE+s | 640 | 43.7 | - | 2.62 | 7.93 | 17.36 |
| PP-YOLOE+m | 640 | 49.8 | - | 5.56 | 23.43 | 49.91 |
| PP-YOLOE+l | 640 | 52.9 | - | 8.36 | 52.2 | 110.07 |
| PP-YOLOE+x | 640 | 54.7 | - | 14.3 | 98.42 | 206.59 |
| YOLOv7l | 640 | 51.4 | - | 6.84 | 36.9 | 104.7 |
| YOLOv7x | 640 | 53.1 | - | 11.57 | 71.3 | 189.9 |
Conclusão
Tanto o YOLOv7 como o PP-YOLOE+ são modelos poderosos de deteção de objectos com vantagens distintas. O YOLOv7 destaca-se pela velocidade e eficiência, tornando-o ideal para aplicações em tempo real e de ponta. O PP-YOLOE+, com o seu design sem âncoras e desempenho equilibrado, proporciona uma solução versátil e mais simples para uma vasta gama de casos de utilização.
Para quem procura outras opções, Ultralytics oferece uma gama diversificada de modelos YOLO , incluindo YOLOv8, YOLOv9, YOLO10, YOLO11e RT-DETRcada um optimizado para diferentes caraterísticas de desempenho e necessidades de aplicação. Explore esses modelos para encontrar a melhor opção para seu projeto específico de visão computacional e aproveite o Ultralytics HUB para simplificar seus fluxos de trabalho de treinamento e implantação de modelos.
