RTDETRv2 vs YOLO26
Os modelos de deteção de objetos em tempo real são avaliados pela velocidade, precisão e eficiência de implementação. Esta página compara duas abordagens atuais: o RTDETRv2, baseado em Transformer, e o Ultralytics YOLO26, uma rede neural convolucional (CNN) concebida para implementação em dispositivos de borda. Aborda as respetivas arquiteturas, métricas de desempenho e casos de utilização ideais para te ajudar a escolher o modelo certo para o teu próximo projeto de visão computacional.
RTDETRv2: Transformers de detecção em tempo real#
O RTDETRv2 baseia-se na arquitetura original RT-DETR, combinando a perceção do contexto global dos Transformers de visão com a velocidade necessária para aplicações em tempo real.
Principais características:
- Autores: Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang e Yi Liu
- Organização: Baidu
- Data: 2024-07-24
- Links: arXiv, GitHub, Documentação
Arquitetura e pontos fortes#
Ao contrário dos detetores tradicionais baseados em âncoras, o RTDETRv2 utiliza uma abordagem baseada em Transformer que elimina a necessidade de supressão não máxima (NMS) durante o pós-processamento. O seu mecanismo de atenção ajuda-o a lidar com cenas complexas e objetos sobrepostos. As melhorias de treino «Bag-of-Freebies» aumentam a precisão no conjunto de dados COCO, mantendo velocidades de inferência práticas em GPUs de gama alta.
Limitações#
O RTDETRv2 alcança resultados sólidos em avaliações comparativas, mas pode ser mais difícil de executar em produção. Em geral, as arquiteturas Transformer utilizam mais memória durante o treino e a inferência do que as CNN, o que pode dificultar a implementação em dispositivos de IA de borda com recursos limitados. O treino de Transformers também costuma exigir lotes maiores e mais memória CUDA, o que pode ser um obstáculo em hardware limitado.
YOLO26: IA visual priorizando a borda#
Lançado em janeiro de 2026, o Ultralytics YOLO26 é o mais recente modelo Ultralytics YOLO e a opção recomendada para novos projetos. O seu design visa uma implementação simples em produção e uma inferência eficiente em hardware de borda.
Principais características:
- Autores: Glenn Jocher e Jing Qiu
- Organização: Ultralytics
- Data: 14 de janeiro de 2026
- Links: GitHub, Documentação
Inovações arquiteturais#
O YOLO26 introduz várias alterações para resolver dificuldades comuns na implementação de modelos:
- Design de ponta a ponta sem NMS: Com base no treinamento sem NMS que o YOLOv10 introduziu nos modelos YOLO, o YOLO26 oferece suporte nativo à inferência de ponta a ponta. Sua cabeça opcional um-para-um (
nms=False) ignora o pós-processamento de NMS, reduzindo a variabilidade da latência e tornando os tempos de inferência mais previsíveis em produção. - Inferência na CPU até 43% mais rápida: Os refinamentos arquiteturais e a remoção da Distribution Focal Loss (DFL) tornam o YOLO26n até 43% mais rápido na CPU do que o YOLO11n, o que é ideal para dispositivos de computação de borda sem GPUs dedicadas.
- Otimizador MuSGD: Inspirado em técnicas de treinamento de modelos de linguagem grandes (LLM), como o Kimi K2 da Moonshot AI, o YOLO26 usa o otimizador MuSGD, uma combinação de SGD e Muon, para um treinamento mais estável e uma convergência mais rápida.
- ProgLoss + STAL: Progressive Loss e Small-Target-Aware Label Assignment (STAL) melhoram o reconhecimento de objetos pequenos, o que é importante para aplicações que envolvem imagens aéreas e vigilância com drones.
Além da detecção padrão, o YOLO26 inclui melhorias específicas para cada tarefa: uma função de perda para segmentação semântica e um módulo proto multiescala para tarefas de segmentação, Residual Log-Likelihood Estimation (RLE) para estimativa de pose e uma função de perda de ângulo especializada que resolve problemas de limite na detecção de caixas delimitadoras orientadas (OBB).
Comparação de desempenho#
A tabela abaixo compara a precisão (mAP) e a eficiência computacional no conjunto de validação COCO. Em cada tamanho comparável, o YOLO26 alcança um mAP maior que o RTDETRv2, com menor latência no TensorRT.
| 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 |
| YOLO26n | 640 | 40.9 | 38.9 | 1.7 | 2.4 | 5.5 |
| YOLO26s | 640 | 48.6 | 87.2 | 2.5 | 9.5 | 20.9 |
| YOLO26m | 640 | 53.1 | 220.0 | 4.7 | 20.4 | 68.4 |
| YOLO26l | 640 | 55.0 | 286.2 | 6.2 | 24.8 | 86.8 |
| YOLO26x | 640 | 57.5 | 525.8 | 11.8 | 55.7 | 194.4 |
O YOLO26x alcança 57.5 mAP, 3.2 pontos acima do RTDETRv2-x, com menos parâmetros (55.7M vs 76M) e inferência TensorRT mais rápida (11.8 ms vs 15.03 ms). Em geral, o YOLO26 também usa menos memória, o que o torna mais adequado para implantações de borda em tempo real.
Ecossistema e facilidade de uso#
Além do desempenho bruto, o ecossistema ao redor determina a rapidez com que um modelo passa da pesquisa à produção. A Ultralytics Platform reúne em um só lugar a anotação de conjuntos de dados, o treinamento e a implantação de modelos Ultralytics.
Um ecossistema unificado e bem mantido#
O RTDETRv2 é principalmente um repositório de pesquisa, que pode exigir uma configuração complexa do ambiente e scripts manuais para tarefas personalizadas. O Ultralytics YOLO26 é distribuído em um pacote Python maduro e bem testado, com uma API simples para treinamento, validação, predição e exportação.
Com integrações incorporadas para Weights & Biases e Comet, o acompanhamento de experimentos já vem incluído. Enquanto o RTDETRv2 se concentra na detecção de objetos, o YOLO26 também oferece suporte a segmentação de instâncias, segmentação semântica, estimativa de profundidade, classificação de imagens, estimativa de pose e detecção OBB no mesmo framework.
Exemplo de código: simplicidade em ação#
A API Python da Ultralytics carrega modelos, executa inferência e os exporta com poucas linhas de código, e o mesmo pacote executa tanto o RT-DETR quanto o YOLO26.
from ultralytics import RTDETR, YOLO
# Carrega um modelo RT-DETR
model_rtdetr = RTDETR("rtdetr-l.pt")
# Carrega um modelo YOLO26
model_yolo = YOLO("yolo26n.pt")
# Executa a inferência numa imagem
results_rtdetr = model_rtdetr("https://ultralytics.com/images/bus.jpg")
results_yolo = model_yolo("https://ultralytics.com/images/bus.jpg")
# Exibe os resultados do YOLO26
results_yolo[0].show()
# Exportar o YOLO26 para o formato ONNX
model_yolo.export(format="onnx")Casos de uso e recomendações#
A escolha entre RT-DETR e YOLO26 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 o YOLO26#
O YOLO26 é recomendado para:
- 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.
Explorando outras arquiteturas#
O YOLO26 é o ponto de partida recomendado, mas os modelos anteriores continuam sendo úteis. O YOLO11 ainda tem suporte completo e é uma boa opção para sistemas existentes que o utilizam; consulte a comparação entre RT-DETR e YOLO11 para saber mais. Para arquiteturas mais antigas, a comparação entre EfficientDet e YOLO26 mostra o quanto as arquiteturas de detecção de objetos evoluíram.
Considerações finais#
Tanto o RTDETRv2 quanto o YOLO26 representam avanços na detecção de objetos em tempo real. Para equipes que priorizam um caminho tranquilo até a produção, uma pegada de memória pequena e amplo suporte a tarefas, o Ultralytics YOLO26 é a opção recomendada. Sua inferência opcional sem NMS, a alta velocidade na CPU e o ecossistema Ultralytics ajudam projetos de IA visual a ganhar escala, seja em um servidor na nuvem ou em um Raspberry Pi com recursos limitados.
Comentários
Faz uma pergunta, partilha os teus resultados ou ajuda alguém.