Começar

RTDETRv2 vs YOLOv10

A evolução da visão computacional foi impulsionada, em grande parte, pela necessidade de equilibrar velocidade e precisão. Tradicionalmente, os pipelines de detecção de objetos em tempo real dependem da Supressão não máxima (NMS) como etapa de pós-processamento para filtrar caixas delimitadoras sobrepostas. No entanto, a NMS acrescenta latência e exige o ajuste de limiares. Duas abordagens arquiteturais a removem do próprio modelo: modelos baseados em Transformer, como o RTDETRv2, e modelos baseados em CNN, como o YOLOv10.

Este guia compara as arquiteturas, as métricas de desempenho e os casos de uso ideais dos dois modelos, além de mostrar como os modelos mais recentes do ecossistema Ultralytics se encaixam nas implantações modernas.

RTDETRv2: Transformers de detecção em tempo real#

O RTDETRv2 baseia-se na arquitetura RT-DETR original e procura combinar a compreensão do contexto global dos Vision Transformers com os requisitos de velocidade em tempo real tradicionalmente dominados pelos modelos YOLO.

Principais características:

Arquitetura e metodologias de treinamento#

O RTDETRv2 usa uma arquitetura Transformer ponta a ponta que dispensa a NMS. Ele aprimora seu antecessor com uma abordagem "Bag-of-Freebies", que otimiza a estratégia de treinamento e incorpora recursos de detecção multiescala. O modelo usa uma base CNN para extrair mapas de características (detalhes visuais, como bordas e texturas), que são processados por uma estrutura codificador-decodificador Transformer. Isso permite que o modelo analise simultaneamente o contexto da imagem inteira, tornando-o muito eficaz na compreensão de cenas complexas com objetos densos ou sobrepostos.

Pontos fortes e fracos#

Pontos fortes:

  • Contexto global: o mecanismo de atenção permite que o modelo tenha um excelente desempenho em ambientes complexos e confusos.
  • Sem NMS: prevê diretamente as coordenadas dos objetos, simplificando o pipeline de implantação.
  • Alta precisão: alcança uma excelente precisão média média (mAP) no conjunto de dados COCO.

Pontos fracos:

  • Exigência de recursos: As arquiteturas Transformer normalmente exigem mais memória CUDA durante o treinamento do que as CNNs, o que torna caro ajustá-las em hardware padrão.
  • Variação na velocidade de inferência: embora sejam rápidos, os cálculos intensivos de atenção podem resultar em menos FPS em visão computacional em dispositivos de borda sem aceleradores de IA dedicados.

Saiba mais sobre o RTDETRv2

YOLOv10: deteção de objetos ponta a ponta em tempo real#

O YOLOv10 representa uma grande mudança na linhagem de deteção de objetos YOLO, ao resolver diretamente o antigo gargalo da NMS dentro de uma estrutura CNN.

Principais características:

Arquitetura e metodologias de treinamento#

A principal inovação do YOLOv10 são as atribuições duplas consistentes para treinamento sem NMS. Durante o treinamento, o modelo usa duas cabeças de deteção: uma com atribuição de um para muitos (como nos YOLO tradicionais), para fornecer sinais de supervisão abrangentes, e outra com atribuição de um para um, para eliminar a necessidade de NMS. Durante a inferência, usa-se apenas a cabeça de um para um, resultando num processo de ponta a ponta. Além disso, os autores aplicaram uma estratégia holística de conceção de modelos orientada pela eficiência e precisão, otimizando de forma abrangente vários componentes para reduzir a redundância computacional.

Pontos fortes e fracos#

Pontos fortes:

  • Baixa latência: Ao remover a NMS e otimizar a arquitetura, o YOLOv10 alcança uma latência de inferência muito baixa.
  • Eficiência: exige menos parâmetros e FLOPs para alcançar uma precisão comparável à de outros modelos, sendo muito adequado para ambientes com recursos limitados.
  • Implantações sem NMS: simplifica a integração em aplicações de borda, como a vigilância inteligente.

Pontos fracos:

  • Conceito de primeira geração: como o primeiro YOLO a implementar esta arquitetura específica sem NMS, estabeleceu as bases, mas deixou espaço para a versatilidade multitarefa e a otimização observadas em modelos posteriores, como o YOLO11 e o YOLO26.

Sabe mais sobre o YOLOv10

Comparação de desempenho#

Ao avaliar modelos para produção, é preciso ponderar a precisão em relação ao custo computacional. A tabela abaixo mostra os compromissos entre os tamanhos do RTDETRv2 e do YOLOv10 no COCO.

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
YOLOv10n64038.5-1.842.36.7
YOLOv10s64046.3-2.497.221.6
YOLOv10m64051.1-4.7415.459.1
YOLOv10b64052.5-5.7419.192.0
YOLOv10l64053.2-7.2824.4120.3
YOLOv10x64054.4-10.7029.5160.4

O RTDETRv2 é um pouco mais preciso nos tamanhos pequeno, médio e grande (48.1, 51.9 e 53.4 mAP contra 46.3, 51.1 e 53.2 para YOLOv10s, m e l), mas o YOLOv10 é mais rápido e menor em todos os tamanhos. O YOLOv10x iguala a precisão do RTDETRv2-x (54.4 vs 54.3 mAP) com 29.5M em vez de 76M parâmetros e latência de 10.70 ms em vez de 15.03 ms no TensorRT. As variantes nano e small tornam o YOLOv10 atraente para aplicações de computação de borda e AIoT.

Escolher a escala certa

Se estiveres a implantar em GPUs de nível de servidor, nas quais o tamanho do lote e a VRAM são menos limitados, os modelos maiores (como -x ou -l) maximizam a precisão. Para dispositivos de borda, como Raspberry Pi ou telemóveis, prioriza as variantes nano (-n) ou small (-s) para manter taxas de quadros em tempo real.

Casos de uso e recomendações#

A escolha entre RT-DETR e YOLOv10 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 YOLOv10#

O YOLOv10 é recomendado para:

  • Detecção em tempo real sem NMS: Aplicações que se beneficiam da detecção de ponta a ponta sem supressão não máxima, reduzindo a complexidade da implantação.
  • Equilíbrio entre velocidade e precisão: Projetos que exigem um bom equilíbrio entre velocidade de inferência e precisão de detecção em várias escalas de modelo.
  • Aplicações com latência consistente: Cenários de implantação nos quais tempos de inferência previsíveis são essenciais, como em robótica ou sistemas autônomos.

Quando escolher Ultralytics (YOLO26)#

Para a maioria dos projetos novos, 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 apenas com CPU: Dispositivos sem aceleração por GPU dedicada, nos quais a inferência em CPU até 43% mais rápida de YOLO26n em comparação com 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.

A vantagem da Ultralytics: conheça o YOLO26#

RTDETRv2 e YOLOv10 são contribuições de pesquisa importantes, mas implantá-los em cenários reais exige um ecossistema de software bem mantido. A Ultralytics Platform reúne facilidade de uso, documentação abrangente e ferramentas para anotação de dados e implantação.

Para novos projetos em 2026, o Ultralytics YOLO26 é o modelo recomendado. Ele se baseia em ideias das duas arquiteturas e acrescenta várias melhorias:

  • Design de ponta a ponta sem NMS: Com base no treinamento sem NMS que o YOLOv10 introduziu nos modelos YOLO, o YOLO26 oferece uma cabeça opcional um-para-um (nms=False) que ignora o pós-processamento de NMS, resultando em uma lógica de implantação mais rápida e simples e em uma latência mais consistente.
  • Remoção da DFL: Ao remover a Distribution Focal Loss, o YOLO26 simplifica a exportação do modelo e melhora a compatibilidade com dispositivos de borda e de baixo consumo.
  • Otimizador MuSGD: Uma combinação de SGD e Muon inspirada em técnicas de treinamento de LLM, esse otimizador proporciona um treinamento mais estável e uma convergência mais rápida.
  • Inferência na CPU até 43% mais rápida: O YOLO26n é até 43% mais rápido que o YOLO11n na CPU com ONNX, o que ajuda em ambientes sem GPUs dedicadas.
  • ProgLoss + STAL: Progressive Loss e Small-Target-Aware Label Assignment (STAL) melhoram o reconhecimento de objetos pequenos, algo essencial para aplicações com drones e sensores de IoT.
  • Suporte a várias tarefas: Ao contrário dos modelos limitados a caixas delimitadoras, o YOLO26 também oferece suporte a segmentação de instâncias, segmentação semântica, estimativa de profundidade, classificação de imagens, estimativa de pose e detecção OBB, com melhorias específicas para cada tarefa, como Residual Log-Likelihood Estimation (RLE) para pose.

Implementação com Python#

O treinamento e a implantação desses modelos com a API Python da Ultralytics foram projetados para serem simples. Os requisitos de memória durante o treinamento são menores do que os das arquiteturas com muitos Transformers, permitindo que você treine modelos poderosos em hardware padrão.

from ultralytics import YOLO

# Carrega o modelo YOLO26 (recomendado)
# Em alternativa, carrega um modelo YOLOv10 usando YOLO('yolov10n.pt')
model = YOLO("yolo26n.pt")

# Treina o modelo com o teu conjunto de dados personalizado
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Exporta facilmente para vários formatos para implantação em dispositivos de borda
model.export(format="onnx", simplify=True)

Quer você esteja implementando sistemas de alarme de segurança ou realizando análise de imagens médicas, escolher um modelo apoiado pela comunidade ativa da Ultralytics garante acesso às ferramentas, aos guias de ajuste de hiperparâmetros e às atualizações contínuas de que você precisa para ter sucesso. O YOLOv10 e o RTDETRv2 abriram caminho para arquiteturas sem NMS, e o YOLO26 dá continuidade a esse trabalho com um equilíbrio sólido entre desempenho, versatilidade e prontidão para produção.

Comentários

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