Começar

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.

Saiba mais sobre o RTDETRv2

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:

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.
Aprimoramentos específicos para cada tarefa no YOLO26

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.

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
YOLO26n64040.938.91.72.45.5
YOLO26s64048.687.22.59.520.9
YOLO26m64053.1220.04.720.468.4
YOLO26l64055.0286.26.224.886.8
YOLO26x64057.5525.811.855.7194.4

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.