RTDETRv2 vs DAMO-YOLO
A visão computacional continua a evoluir à medida que investigadores e engenheiros desenvolvem modelos que equilibram velocidade, precisão e eficiência. Duas arquiteturas de destaque nesta área são o RTDETRv2, desenvolvido pela Baidu, e o DAMO-YOLO, criado pelo Alibaba Group. Ambos os modelos contribuem para o avanço da deteção de objetos em tempo real, mas adotam filosofias arquiteturais fundamentalmente diferentes.
Esta comparação técnica aborda as respetivas arquiteturas, métodos de treino e capacidades de implementação no mundo real. Explica também como estes modelos se comparam com o ecossistema mais amplo, em particular com a Ultralytics Platform e a família de modelos YOLO26.
Inovações arquiteturais#
Compreender os mecanismos centrais desses modelos é fundamental para engenheiros de machine learning encarregados de selecionar a ferramenta certa para ambientes de produção.
RTDETRv2: a abordagem Transformer#
Com base no sucesso do RT-DETR original, o RTDETRv2 utiliza um codificador híbrido e um descodificador Transformer. Esta conceção permite ao modelo processar eficazmente o contexto global, tornando-o muito eficaz a distinguir objetos sobrepostos em cenas densas. A vantagem mais significativa desta arquitetura é a sua conceção nativa sem NMS (supressão não máxima). Ao eliminar a etapa de pós-processamento NMS, o RTDETRv2 simplifica o fluxo de inferência e assegura uma latência mais estável em diferentes configurações de hardware.
DAMO-YOLO: avançando a eficiência das CNNs#
O DAMO-YOLO, por outro lado, mantém-se ligado à linhagem YOLO baseada em CNN, mas introduz vários aprimoramentos notáveis. Utiliza Pesquisa de Arquitetura Neural (NAS) para otimizar o backbone e tornar a extração de características mais eficiente. Também incorpora uma RepGFPN eficiente (Rede de Pirâmide de Características Generalizada Reparametrizada) e um design ZeroHead, além das técnicas AlignedOTA e de destilação de conhecimento. Essas inovações permitem que o DAMO-YOLO alcance altas velocidades de inferência e mantenha uma pontuação competitiva de mAPval50-95.
Enquanto RTDETRv2 se concentra em aproveitar mecanismos de atenção para compreender características globais sem NMS, DAMO-YOLO maximiza a eficiência das CNNs tradicionais por meio de NAS e destilação avançada, exigindo o pós-processamento padrão, mas oferecendo vantagens distintas de velocidade em determinados hardwares.
Comparação de desempenho e métricas#
Ao avaliar modelos para implementação, as métricas de desempenho, como a precisão média média (mAP), a velocidade de inferência e o número de parâmetros, são fundamentais. A tabela abaixo compara as duas famílias de modelos.
| Modelo | tamanho (pixels) | mAPval50-95 | Velocidade CPU ONNX (ms) | Velocidade T4 TensorRT10 (ms) | parâmetros (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| RTDETRv2-s | 640 | 48.1 | - | 5.03 | 20 | 60 |
| RTDETRv2-m | 640 | 51.9 | - | 7.51 | 36 | 100 |
| RTDETRv2-l | 640 | 53.4 | - | 9.76 | 42 | 136 |
| RTDETRv2-x | 640 | 54.3 | - | 15.03 | 76 | 259 |
| DAMO-YOLOt | 640 | 42.0 | - | 2.32 | 8.5 | 18.1 |
| DAMO-YOLOs | 640 | 46.0 | - | 3.45 | 16.3 | 37.8 |
| DAMO-YOLOm | 640 | 49.2 | - | 5.09 | 28.2 | 61.8 |
| DAMO-YOLOl | 640 | 50.8 | - | 7.18 | 42.1 | 97.3 |
Análise dos resultados#
Como se vê na tabela, o RTDETRv2-x alcança a maior precisão, com um mAPval50-95 de 54.3, demonstrando a força da arquitetura Transformer em benchmarks desafiadores, como o conjunto de dados COCO. No entanto, isso implica um número significativamente maior de parâmetros (76M) e FLOPs.
Em contrapartida, o DAMO-YOLOt (Tiny) é muito leve, exigindo apenas 8.5M parâmetros, o que o torna uma opção rápida para ambientes onde a memória CUDA é muito limitada. Em geral, o DAMO-YOLO oferece um equilíbrio favorável entre velocidade e precisão para dispositivos de periferia mais antigos.
Ecossistema, usabilidade e a vantagem da Ultralytics#
Embora repositórios independentes, como os projetos oficiais do RT-DETR e do DAMO-YOLO no GitHub, disponibilizem o código-fonte para treinar estes modelos, a sua integração em fluxos de produção exige muitas vezes uma quantidade considerável de código boilerplate e otimização manual.
É aqui que o ecossistema Ultralytics simplifica significativamente a experiência de desenvolvimento. A Ultralytics integra detetores Transformer, como o RT-DETR original, diretamente na sua API unificada, permitindo aos utilizadores treinar, validar e exportar modelos com uma única linha de código. Os modelos Ultralytics também são conhecidos pelos baixos requisitos de memória durante o treino, em comparação com repositórios independentes baseados em Transformer pesados.
Exemplo de código: integração#
Segue-se um exemplo de como executar inferência com a biblioteca Python da Ultralytics. A API mantém-se consistente, quer utilizes um modelo Transformer, quer uma CNN moderna.
from ultralytics import RTDETR, YOLO
# Carrega um modelo RT-DETR para compreender cenas complexas
model_rtdetr = RTDETR("rtdetr-l.pt")
# Carrega o modelo Ultralytics YOLO26 mais recente
model_yolo26 = YOLO("yolo26n.pt")
# Executa inferência em uma imagem de exemplo
results_rtdetr = model_rtdetr("https://ultralytics.com/images/bus.jpg")
results_yolo = model_yolo26("https://ultralytics.com/images/bus.jpg")
# Apresenta os resultados
results_yolo[0].show()Com a API da Ultralytics, podes exportar os teus modelos treinados para formatos como TensorRT, ONNX ou CoreML com um comando simples, como model.export(format="engine"), reduzindo consideravelmente as dificuldades de implementação.
Casos de utilização ideais#
A escolha entre estas arquiteturas depende dos requisitos específicos do teu projeto:
- O RTDETRv2 tem o melhor desempenho no processamento do lado do servidor, onde há VRAM abundante. A sua capacidade de compreender o contexto global é adequada para a imagiologia médica e a análise de multidões densas, onde as oclusões são frequentes.
- DAMO-YOLO é altamente indicado para aplicações de IoT embarcada e linhas de inspeção industrial de alta velocidade, nas quais a baixa quantidade de parâmetros e o alto FPS são requisitos rigorosos.
O futuro: Ultralytics YOLO26#
Embora tanto o RTDETRv2 como o DAMO-YOLO tenham os seus méritos, a visão computacional evolui rapidamente. Para novos projetos, o mais recente Ultralytics YOLO26 combina velocidade, precisão e uma experiência de desenvolvimento eficiente.
O YOLO26 adota uma conceção ponta a ponta sem NMS, aproveitando a principal vantagem dos Transformer sem o seu elevado custo computacional. Incorpora o Otimizador MuSGD, inspirado no treino de modelos de linguagem de grande dimensão, para uma convergência estável e rápida. Com a remoção de DFL (Distribution Focal Loss removida para simplificar a exportação e melhorar a compatibilidade com dispositivos de periferia e de baixo consumo), o YOLO26n alcança uma inferência na CPU até 43% mais rápida do que o YOLO11n, sendo uma excelente opção para a computação de periferia. ProgLoss + STAL (Progressive Loss e atribuição de etiquetas sensível a objetos pequenos) também proporciona melhorias notáveis no reconhecimento de objetos pequenos, essencial para IoT, robótica e imagens aéreas.
Ao contrário dos modelos limitados estritamente a caixas delimitadoras, a família YOLO26 suporta tarefas que vão desde a segmentação de instâncias e a estimativa de pose até às caixas delimitadoras orientadas (OBB), todas geridas através da Ultralytics Platform.
Detalhes e referências do modelo#
RTDETRv2#
- Autores: Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang e Yi Liu
- Organização: Baidu
- Data: 2024-07-24
- arXiv: 2407.17140
- GitHub: Repositório RT-DETR
DAMO-YOLO#
- Autores: Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang e Xiuyu Sun
- Organização: Alibaba Group
- Data: 2022-11-23
- arXiv: 2211.15444v2
- GitHub: Repositório DAMO-YOLO
Para outras comparações, consulta os guias sobre RTDETRv2 vs. YOLO11 ou DAMO-YOLO vs. YOLOv8 para veres o desempenho destes modelos face às gerações anteriores da família Ultralytics.
Comentários
Faz uma pergunta, partilha os teus resultados ou ajuda alguém.