Começar

RTDETRv2 vs. PP-YOLOE+

A investigação em visão computacional produziu várias abordagens arquiteturais para a deteção de objetos em tempo real. RTDETRv2 e PP-YOLOE+ seguem caminhos fundamentalmente diferentes: um é um Transformer de deteção e o outro é um detetor convolucional. Ambos procuram alcançar uma deteção de alto desempenho, mas diferem nos mecanismos, nas abordagens de treino e nos cenários de implementação ideais.

Este guia compara as respetivas arquiteturas, métricas de desempenho e suporte do ecossistema, para ajudar programadores e investigadores a escolher o modelo certo para as suas necessidades de implementação.

Visão geral dos modelos#

Antes de analisar os dados de desempenho, é importante entender as origens e os objetivos arquitetônicos de cada modelo. Ambos foram desenvolvidos por equipes de pesquisa da Baidu, mas representam diferentes vertentes da evolução dos modelos de detecção de objetos.

RTDETRv2#

O RTDETRv2 baseia-se no Real-Time Detection Transformer original e combina uma base CNN com um codificador híbrido eficiente e um descodificador Transformer. A sua característica distintiva é a previsão ponta a ponta, que elimina a necessidade de supressão não máxima (NMS) durante o pós-processamento.

Saiba mais sobre o RTDETRv2

PP-YOLOE+#

O PP-YOLOE+ é uma versão melhorada do PP-YOLOE, da equipa PaddleDetection, otimizada para aplicações industriais. Utiliza uma arquitetura CNN escalável com uma cabeça de deteção sem âncoras. Concebido para proporcionar um bom equilíbrio entre velocidade e precisão, introduz técnicas como Efficient Task-aligned Head (ET-head) e distribution focal loss para melhorar a deteção de objetos pequenos.

Saiba mais sobre o PP-YOLOE+

Integração com o Ecossistema

Embora ambos os modelos tenham repositórios de investigação independentes, podes experimentar o RT-DETR original diretamente no pacote Python da Ultralytics, que fornece uma API unificada e opções de exportação integradas.

Diferenças arquitetónicas#

A diferença fundamental entre esses dois modelos está na forma como processam o contexto visual e geram previsões.

O PP-YOLOE+ utiliza uma base de rede neuronal convolucional (CNN) tradicional, mas altamente otimizada. Recorre a campos recetivos locais para extrair características, o que o torna rápido e eficiente para implementações padrão. No entanto, continua a necessitar de pós-processamento NMS para filtrar caixas delimitadoras sobrepostas, o que pode aumentar a latência em cenas densas.

Por outro lado, o RTDETRv2 utiliza um codificador híbrido e um descodificador Transformer. Isto permite ao modelo captar o contexto global de toda a imagem. O seu mecanismo de atenção modela as relações entre os objetos, pelo que o modelo produz diretamente as caixas delimitadoras finais, sem NMS. Esta abordagem ponta a ponta mantém a latência da inferência estável, independentemente do número de objetos detetados.

Métricas de desempenho e comparação#

Ao avaliar métricas de desempenho do YOLO, equilibra a precisão (mAP) com o custo computacional (FLOPs) e a velocidade de inferência. A tabela abaixo apresenta o desempenho dos dois modelos nas diferentes dimensões.

Modelotamanho
(pixels)
mAPval50-95Velocidade
CPU ONNX
(ms)
Velocidade
T4 TensorRT10
(ms)
parâmetros
(M)
FLOPs
(B)
RTDETRv2-s64048.1-5.032060
RTDETRv2-m64051.9-7.5136100
RTDETRv2-l64053.4-9.7642136
RTDETRv2-x64054.3-15.0376259
PP-YOLOE+t64039.9-2.844.8519.15
PP-YOLOE+s64043.7-2.627.9317.36
PP-YOLOE+m64049.8-5.5623.4349.91
PP-YOLOE+l64052.9-8.3652.2110.07
PP-YOLOE+x64054.7-14.398.42206.59

O PP-YOLOE+x alcança o maior mAPval50-95 no conjunto de dados COCO, com 54.7%, ou seja, 0.4 pontos acima do RTDETRv2-x, apresentando uma latência TensorRT ligeiramente menor (14.3 ms vs. 15.03 ms), mas mais parâmetros (98.42M vs. 76M). Na escala Large, o RTDETRv2-l é mais preciso que o PP-YOLOE+l (53.4% vs. 52.9%) e tem menos parâmetros, enquanto o PP-YOLOE+l é mais rápido (8.36 ms vs. 9.76 ms). O PP-YOLOE+ também oferece variantes tiny e small com menos de 8M parâmetros, uma faixa de tamanho não coberta pelo RTDETRv2, o que as torna adequadas para implementações na borda.

A vantagem da Ultralytics: conheça YOLO26#

O RTDETRv2 e o PP-YOLOE+ são ambos detetores competentes, mas a área continuou a evoluir. Para os programadores que procuram um equilíbrio entre velocidade, precisão e suporte do ecossistema, o Ultralytics YOLO26 é o modelo recomendado para novos projetos.

O YOLO26 traz a inferência ponta a ponta dos Transformer de deteção para uma CNN. Oferece um modo de inferência opcional ponta a ponta sem NMS (nms=False) que ignora o pós-processamento NMS quando ativado. Introduz também o Otimizador MuSGD, uma combinação de SGD e Muon inspirada no treino de modelos de linguagem de grande dimensão (LLM), para proporcionar um treino mais estável e uma convergência mais rápida.

Otimizado para a borda

Ao contrário dos modelos Transformer pesados, que exigem muita memória CUDA, o YOLO26 inclui a remoção de DFL (Distribution Focal Loss) e está otimizado para a computação de periferia, proporcionando ao YOLO26n uma inferência na CPU até 43% mais rápida do que o YOLO11n.

O YOLO26 também vai além da deteção de objetos, suportando de origem a segmentação de instâncias, a segmentação semântica, a estimativa de profundidade, a classificação de imagens, a estimativa de pose e as caixas delimitadoras orientadas (OBB), enquanto o PP-YOLOE+ se foca na deteção de caixas delimitadoras.

Metodologias de treinamento e ecossistema#

A eficiência do treino e a facilidade de utilização são os aspetos em que o ecossistema Ultralytics mais se distingue dos repositórios de investigação independentes. O PP-YOLOE+ depende da estrutura PaddlePaddle e o RTDETRv2 exige frequentemente uma configuração complexa do ambiente, enquanto os modelos Ultralytics partilham um único pacote instalável e uma única API.

A API da Ultralytics disponibiliza a gestão automatizada de conjuntos de dados e o ajuste de hiperparâmetros integrado, e os modelos YOLO são treinados com menos memória do que os detetores Transformer. A exportação de modelos para formatos de produção como ONNX ou TensorRT pode ser feita com um único comando.

Exemplo de código: inferência simplificada#

O exemplo abaixo executa o RT-DETR juntamente com o modelo YOLO26 recomendado, utilizando o pacote Python da Ultralytics:

from ultralytics import RTDETR, YOLO

# Inicializar um modelo RT-DETR (a Ultralytics oferece suporte ao RT-DETR-L e ao RT-DETR-X originais)
model_rtdetr = RTDETR("rtdetr-l.pt")

# Executar inferência sem NMS em uma imagem de teste
results_rtdetr = model_rtdetr("https://ultralytics.com/images/bus.jpg")
results_rtdetr[0].show()

# Inicializa o modelo YOLO26 mais recente
model_yolo26 = YOLO("yolo26n.pt")

# Treina o modelo YOLO26 com uso de memória otimizado
model_yolo26.train(data="coco8.yaml", epochs=50, imgsz=640)

# Exportar para TensorRT para implantação na borda
model_yolo26.export(format="engine")

Aplicações e casos de uso no mundo real#

A escolha entre essas arquiteturas geralmente depende dos requisitos específicos do hardware e da aplicação.

  • O RTDETRv2 destaca-se em ambientes do lado do servidor e na compreensão de cenas complexas. A sua atenção global torna-o eficaz na gestão de multidões e na análise de imagens médicas densas, onde os objetos muito sobrepostos podem levar o NMS a suprimir deteções válidas.
  • O PP-YOLOE+ é adequado para inspeções industriais de alta velocidade e para equipas que já utilizam o ecossistema PaddlePaddle. O baixo número de parâmetros nas escalas mais pequenas torna-o viável para determinadas aplicações robóticas.
  • O Ultralytics YOLO26 é a opção recomendada para a maioria das implementações comerciais. Progressive Loss e Small-Target-Aware Label Assignment (STAL) melhoram o reconhecimento de objetos pequenos, o que é importante para operações com drones aéreos e a monitorização do trânsito em cidades inteligentes.

Casos de uso e recomendações#

A escolha entre RT-DETR e PP-YOLOE+ depende dos requisitos específicos do teu projeto, das restrições de implantação e das preferências de ecossistema.

Quando escolher o RT-DETR#

O RT-DETR é uma ótima opção para:

  • Pesquisa em detecção baseada em Transformer: Projetos que exploram mecanismos de atenção e arquiteturas Transformer para detecção de objetos ponta a ponta sem NMS.
  • Cenários de alta precisão com latência flexível: Aplicações em que a precisão da detecção é a prioridade máxima e uma latência de inferência um pouco maior é aceitável.
  • Detecção de objetos grandes: Cenas com objetos predominantemente médios ou grandes, nas quais o mecanismo de atenção global dos Transformers oferece uma vantagem natural.

Quando escolher PP-YOLOE+#

O PP-YOLOE+ é recomendado para:

  • Integração com o ecossistema PaddlePaddle: Organizações com infraestrutura existente baseada no framework e nas ferramentas do PaddlePaddle do Baidu.
  • Implantação de borda com Paddle Lite: Implantação em hardware com kernels de inferência altamente otimizados especificamente para o Paddle Lite ou o mecanismo de inferência Paddle.
  • Detecção de alta precisão no servidor: Cenários que priorizam a precisão máxima de detecção em servidores com GPUs potentes, nos quais a dependência de um framework não é uma preocupação.

Quando escolher Ultralytics (YOLO26)#

Para a maioria dos novos projetos, o Ultralytics YOLO26 oferece a melhor combinação de desempenho e experiência para desenvolvedores:

  • Implantação de borda sem NMS: Aplicações que exigem inferência consistente e de baixa latência, sem a complexidade do pós-processamento com supressão não máxima.
  • Ambientes somente com CPU: Dispositivos sem aceleração de GPU dedicada, nos quais a inferência na CPU até 43% mais rápida do YOLO26 (YOLO26n contra YOLO11n) oferece uma vantagem decisiva.
  • Deteção de objetos pequenos: Cenários desafiantes, como imagens aéreas captadas por drones ou análise de sensores de IoT, nos quais ProgLoss e STAL melhoram a precisão na deteção de objetos pequenos.

Conclusão#

O RTDETRv2 e o PP-YOLOE+ demonstram que as arquiteturas Transformer e as CNNs otimizadas são ambas viáveis para a deteção em tempo real. No entanto, a implementação de modelos provenientes de bases de código de investigação separadas pode atrasar os prazos de produção.

A Ultralytics Platform integra anotação, treino e implementação num único fluxo de trabalho. Ao adotarem modelos integrados como o YOLO11 ou o mais recente YOLO26, as equipas obtêm um bom equilíbrio entre precisão e velocidade, com menos requisitos de memória e menor esforço de desenvolvimento.

Comentários

Faz uma pergunta, partilha os teus resultados ou ajuda alguém.