RTDETRv2 vs. YOLOv5
A evolução da visão computacional foi amplamente moldada pela necessidade de equilibrar a precisão com a velocidade da inferência em tempo real. Ao comparar o RTDETRv2 e o Ultralytics YOLOv5, os programadores ponderam a modelação do contexto global das arquiteturas Transformer face à eficiência otimizada e comprovada em produção das redes neuronais convolucionais (CNNs).
Este guia compara as duas arquiteturas, abordando as respetivas métricas de desempenho, metodologias de treino, requisitos de memória e cenários de implementação ideais, para te ajudar a escolher o melhor modelo de deteção de objetos para o teu caso de utilização específico.
RTDETRv2: a abordagem transformer para detecção em tempo real#
Com base no Transformer de detecção em tempo real (RT-DETR) original, o RTDETRv2 introduz uma série de "bag-of-freebies" para aprimorar a arquitetura de referência sem sacrificar a latência de inferência.
- Autores: Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang e Yi Liu
- Organização: Baidu
- Data: 2024-07-24
- Links: Artigo no arXiv, Repositório do GitHub
Arquitetura e recursos#
O RTDETRv2 utiliza uma arquitetura híbrida CNN-Transformer. Uma base CNN extrai características visuais detalhadas, enquanto as camadas codificadoras-descodificadoras Transformer processam todo o mapa de características para captar o contexto global. Uma característica marcante do RTDETRv2 é a sua conceção ponta a ponta, que elimina a necessidade de pós-processamento de supressão não máxima (NMS).
O RTDETRv2 alcança uma precisão elevada, sobretudo em cenas complexas e densas onde os objetos se sobrepõem, mas isso implica algumas contrapartidas. O mecanismo de atenção inerente aos Transformer requer mais memória CUDA durante o treino do que as CNNs padrão. E, embora tenha um bom desempenho em GPUs como a NVIDIA A100 ou a T4, é consideravelmente mais lento em CPUs padrão e dispositivos de IA de periferia com recursos limitados.
Ultralytics YOLOv5: o padrão do setor em eficiência#
Quando foi lançado, o Ultralytics YOLOv5 tornou a visão computacional de alto desempenho acessível a programadores de todo o mundo através de uma estrutura intuitiva e fácil de utilizar.
- Autor: Glenn Jocher
- Organização: Ultralytics
- Data: 26 de junho de 2020
- Links: Documentação oficial, Repositório no GitHub
Equilíbrio entre ecossistema e desempenho#
O YOLOv5 foi desenvolvido inteiramente com a estrutura PyTorch e utiliza uma arquitetura CNN eficiente. Foi concebido de raiz para facilitar a utilização, com uma API simples e documentação abrangente.
As principais vantagens do YOLOv5 são a sua versatilidade e os baixos requisitos de memória. O treino de um modelo YOLOv5 requer muito menos VRAM do que o de modelos baseados em Transformer, tornando-o acessível a investigadores e engenheiros com orçamentos de hardware limitados. E, embora o RTDETRv2 se foque na deteção de caixas delimitadoras, o repositório YOLOv5 também suporta segmentação de instâncias (adicionada no YOLOv5 v7.0) e classificação de imagens.
Podes treinar, validar e implementar o YOLOv5 diretamente na Ultralytics Platform, que disponibiliza treino na nuvem e implementação sem código.
Comparação de desempenho e métricas#
O desempenho no conjunto de dados COCO padrão revela diferenças claras na forma como estes modelos trocam precisão por recursos.
| 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 |
| YOLOv5n | 640 | 28.0 | - | 1.12 | 1.9 | 4.5 |
| YOLOv5s | 640 | 37.4 | - | 1.92 | 7.2 | 16.5 |
| YOLOv5m | 640 | 45.4 | - | 4.03 | 21.2 | 49.0 |
| YOLOv5l | 640 | 49.0 | - | 6.61 | 46.5 | 109.1 |
| YOLOv5x | 640 | 50.7 | - | 11.89 | 86.7 | 205.7 |
Análise dos compromissos#
O RTDETRv2-x alcança um pico de precisão média média (mAP) de 54.3%, 3.6 pontos acima do YOLOv5x (50.7%). O YOLOv5x tem uma latência TensorRT inferior (11.89 ms vs. 15.03 ms) e menos FLOPs (205.7B vs. 259B), mas mais parâmetros (86.7M vs. 76M). Com latências semelhantes, o RTDETRv2 é mais preciso: o RTDETRv2-s alcança 48.1% em 5.03 ms, enquanto o YOLOv5m alcança 45.4% em 4.03 ms. Para implementações de periferia de baixo consumo, o YOLOv5n demora 1.12 ms e tem 1.9M parâmetros, uma categoria de tamanho que o RTDETRv2 não disponibiliza.
Eficiência de treinamento e simplicidade do código#
Um dos principais pontos fortes do ecossistema Ultralytics é a sua API unificada. Se escolheres a arquitetura Transformer do RT-DETR para uma tarefa que exige muitos recursos computacionais, podes continuar a utilizá-la integralmente no pacote Python da Ultralytics e trocar de modelo alterando apenas uma linha de código.
from ultralytics import RTDETR, YOLO
# Carregar o modelo pequeno Ultralytics YOLOv5
model_yolo = YOLO("yolov5su.pt") # YOLOv5u: pesos YOLOv5 sem âncoras para o pacote ultralytics
# Carregar o modelo grande RT-DETR pela Ultralytics
model_rtdetr = RTDETR("rtdetr-l.pt")
# Treina o YOLOv5 com seus dados personalizados
model_yolo.train(data="coco8.yaml", epochs=100, imgsz=640)
# Executa inferência com os dois modelos
results_yolo = model_yolo("https://ultralytics.com/images/bus.jpg")
results_rtdetr = model_rtdetr("https://ultralytics.com/images/bus.jpg")
results_yolo[0].show()Ao utilizar a biblioteca Ultralytics, os programadores obtêm automaticamente acesso a um ecossistema bem mantido, com integrações para o acompanhamento de experiências (como Weights & Biases e Comet) e exportações com um único comando para formatos de implementação como ONNX e OpenVINO.
Aplicações no mundo real e casos de uso ideais#
Onde o RTDETRv2 se destaca#
O RTDETRv2 é mais adequado a ambientes onde o hardware não é uma limitação e a precisão é o principal objetivo.
- Imagiologia médica do lado do servidor: deteção de anomalias subtis em radiografias de alta resolução.
- Imagens de satélite: rastreamento de objetos densos e sobrepostos em tarefas de vigilância aérea executadas em clusters poderosos na nuvem.
Onde o YOLOv5 se destaca#
O YOLOv5 é uma opção prática para implementação no mundo real em hardware diversificado.
- Dispositivos de IA de borda: implantação de sistemas de alarme de segurança em Raspberry Pi ou dispositivos NVIDIA Jetson, onde a memória é bastante limitada.
- Aplicativos móveis: execução rápida e em tempo real de inferências de caixas delimitadoras e segmentação diretamente em smartphones, via CoreML ou LiteRT.
- Manufatura industrial de alta velocidade: inspeção de peças em linhas de produção rápidas, nas quais a latência de milissegundos é fundamental para o sucesso operacional.
O YOLOv5 continua a ser amplamente utilizado, mas existem modelos Ultralytics mais recentes. Se estiveres a comparar modelos para um novo projeto em 2026, considera o Ultralytics YOLO26, o modelo recomendado. O YOLO26 oferece uma conceção ponta a ponta sem NMS através da sua cabeça opcional um-para-um (nms=False), semelhante aos Transformer mas com a velocidade das CNNs, utiliza o Otimizador MuSGD para um treino estável e o YOLO26n proporciona uma inferência na CPU até 43% mais rápida do que o YOLO11n. Em alternativa, o YOLO11 continua a ser uma opção bem suportada para implementações versáteis que requerem estimativa de pose e deteção OBB.
Em última análise, embora o RTDETRv2 eleve o patamar de precisão com camadas Transformer, a estrutura Ultralytics YOLO oferece um equilíbrio sólido entre velocidade e baixos requisitos de memória, bem como uma experiência de desenvolvimento que encurta o percurso do protótipo à produção.
Comentários
Faz uma pergunta, partilha os teus resultados ou ajuda alguém.