Começar

RTDETRv2 vs YOLOv8

Os modelos de visão computacional para detecção de objetos se dividem cada vez mais em dois grupos: redes neurais convolucionais (CNNs) e arquiteturas mais recentes baseadas em Transformer. Esta comparação técnica analisa como o RTDETRv2, um Transformer de detecção em tempo real, se compara ao Ultralytics YOLOv8, um dos modelos CNN mais adotados. Ambos são modelos capazes, mas suas arquiteturas levam a diferenças distintas no treinamento, nas restrições de implantação e no desempenho.

Visão geral do modelo: RTDETRv2#

O RTDETRv2 (Transformer de detecção em tempo real versão 2) se baseia no RT-DETR original, otimizando sua arquitetura Transformer para inferência em tempo real.

Detalhes técnicos principais:

Arquitetura e pontos fortes#

O RTDETRv2 usa uma arquitetura híbrida que combina uma base CNN com um codificador-decodificador Transformer. Isso permite que o modelo considere a imagem inteira de uma só vez, ajudando-o a lidar com cenas complexas e objetos sobrepostos. Sua característica marcante é o design nativo ponta a ponta, que dispensa o pós-processamento de Supressão não máxima (NMS). Isso reduz a complexidade algorítmica nas etapas finais do pipeline de detecção. Suas características multiescala também ajudam a detectar tanto estruturas grandes quanto elementos pequenos ao fundo.

Pontos fracos#

Apesar da forte compreensão contextual, as arquiteturas baseadas em Transformer, como o RTDETRv2, têm um alto custo computacional durante o treinamento. Elas exigem mais memória CUDA, o que dificulta treiná-las em hardware de consumo. Configurar um conjunto de dados personalizado e ajustar os hiperparâmetros de treinamento no repositório oficial também costuma exigir conhecimento especializado, pois ele não oferece um wrapper de software intuitivo para iniciantes. A implantação em dispositivos de borda de baixo consumo, como hardware mais antigo do Raspberry Pi, também pode ser desafiadora porque as camadas de atenção são computacionalmente caras.

Saiba mais sobre o RTDETRv2

Visão geral do modelo: YOLOv8#

Desde seu lançamento, o Ultralytics YOLOv8 se tornou um padrão amplamente usado em visão computacional de produção, combinando uma experiência simples para desenvolvedores com alta precisão.

Detalhes técnicos principais:

Arquitetura e pontos fortes#

O YOLOv8 usa uma arquitetura CNN sem âncoras com uma cabeça desacoplada, melhorando a localização de objetos e a precisão da classificação em relação às gerações anteriores do YOLO. Seus principais pontos fortes são a eficiência e a versatilidade. A arquitetura exige menos memória durante o treinamento do que os Transformers de visão, permitindo que profissionais usem tamanhos de lote maiores em GPUs padrão. O ecossistema Ultralytics também oferece um fluxo de trabalho simplificado: a API Python unificada gerencia o ajuste de hiperparâmetros, o treinamento, a validação e a exportação com poucas linhas de código.

Pontos fracos#

O YOLOv8 depende do NMS tradicional durante a etapa de pós-processamento. Embora o mecanismo da Ultralytics cuide disso nos bastidores com eficiência, ele introduz tecnicamente uma pequena latência de pós-processamento em comparação com arquiteturas nativamente sem NMS.

Comparação de desempenho e métricas#

A tabela abaixo compara a precisão de validação no COCO (mAP), a velocidade na CPU e no T4 TensorRT, os parâmetros e os FLOPs. As duas famílias priorizam aspectos diferentes do pipeline de implantação.

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
YOLOv8n64037.380.41.473.28.7
YOLOv8s64044.9128.42.6611.228.6
YOLOv8m64050.2234.75.8625.978.9
YOLOv8l64052.9375.29.0643.7165.1
YOLOv8x64053.9479.114.3768.2257.8
Como interpretar as métricas

O RTDETRv2-x alcança um mAP máximo ligeiramente superior (54.3) ao do YOLOv8x (53.9), e o RTDETRv2 é mais preciso em cada tamanho comparável. O YOLOv8 é mais rápido nos tamanhos menores: o YOLOv8s executa quase duas vezes mais rápido que o RTDETRv2-s no TensorRT (2.66 ms vs 5.03 ms), com quase metade dos parâmetros e mAP 3.2 pontos menor. Nos tamanhos maiores, o YOLOv8l e o RTDETRv2-l têm velocidade e tamanho semelhantes. Aqui, apenas o YOLOv8 informa velocidades de CPU com ONNX.

Requisitos de memória e eficiência de treinamento#

O custo do treinamento importa tanto para desenvolvedores independentes quanto para equipes empresariais. Os modelos Ultralytics YOLO normalmente exigem menos memória CUDA durante o processo de treinamento do que as arquiteturas Transformer. Um modelo RTDETRv2 padrão pode sobrecarregar uma GPU de consumo, enquanto o YOLOv8 treina de forma confiável em hardware como a NVIDIA RTX 4070.

Ecossistema, API e facilidade de uso#

O framework de software de suporte é outro diferencial importante. O ecossistema Ultralytics cuida de grande parte do trabalho de engenharia, e o desenvolvimento ativo, a documentação abrangente e o suporte da comunidade no Discord ajudam a manter os projetos em andamento.

O YOLOv8 também vai além da detecção de objetos, com suporte nativo para segmentação de instâncias, classificação de imagens, estimativa de pose e caixas delimitadoras orientadas (OBB). O RTDETRv2 se concentra apenas na detecção.

Exemplo de código: simplicidade unificada#

A API Python da Ultralytics executa ambas as famílias de modelos com a mesma interface.

from ultralytics import RTDETR, YOLO

# Carrega um modelo RT-DETR e um modelo YOLOv8
model_transformer = RTDETR("rtdetr-l.pt")
model_cnn = YOLO("yolov8l.pt")

# Faz uma previsão em uma imagem de exemplo usando exatamente a mesma API
results_transformer = model_transformer("https://ultralytics.com/images/bus.jpg")
results_cnn = model_cnn("https://ultralytics.com/images/bus.jpg")

# Exporta o YOLOv8 para ONNX para uma implantação rápida na borda
model_cnn.export(format="onnx")

Após o treinamento, o YOLOv8 pode ser exportado com uma única linha para ONNX, TensorRT e OpenVINO, para inferência eficiente em diferentes backends de hardware.

Casos de uso e recomendações#

A escolha entre RT-DETR e YOLOv8 depende dos requisitos específicos do seu 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 YOLOv8#

O YOLOv8 é recomendado para:

  • Implantação versátil para várias tarefas: Projetos que precisam de um modelo comprovado para detecção, segmentação, classificação e estimativa de pose no ecossistema Ultralytics.
  • Sistemas de produção estabelecidos: Ambientes de produção existentes já baseados na arquitetura YOLOv8, com pipelines de implantação estáveis e bem testados.
  • Amplo suporte da comunidade e do ecossistema: Aplicações que se beneficiam dos extensos tutoriais, integrações de terceiros e recursos da comunidade ativa do YOLOv8.

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.

O futuro: as vantagens do YOLO26#

O YOLOv8 continua sendo um modelo marcante, mas a visão computacional evolui rapidamente. Para equipes que iniciam novos projetos em 2026, o Ultralytics YOLO26 é o sucessor recomendado.

Se o design sem NMS do RTDETRv2 chama sua atenção, o YOLO26 oferece um design opcional ponta a ponta sem NMS (nms=False), combinando a simplicidade de pós-processamento dos Transformers com a velocidade das CNNs. O YOLO26 também usa o otimizador MuSGD, que aplica técnicas de treinamento de modelos de linguagem grandes (LLM) a modelos de visão para um treinamento mais estável e uma convergência mais rápida. Com a remoção da DFL (Distribution Focal Loss removida para simplificar a exportação e melhorar a compatibilidade com dispositivos de borda e de baixo consumo), o YOLO26n alcança inferência na CPU até 43% mais rápida que o YOLO11n. Combinado com ProgLoss + STAL (Progressive Loss e Small-Target-Aware Label Assignment) para melhorar a detecção de objetos pequenos, o YOLO26 é o caminho de atualização recomendado tanto para o YOLOv8 quanto para o RTDETRv2.

Para conhecer modelos alternativos, consulte o YOLO11 ou leia a análise detalhada de YOLOv10 versus YOLOv8 para ver como a arquitetura sem NMS evoluiu na família YOLO.

Comentários1

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

  1. CathyFisherGitHub(editado)

    Excellent technical comparison! RTDETRv2’s transformer-based architecture brings impressive accuracy and end-to-end detection without the need for NMS, which is quite innovative. However, this YOLOv8 comparison shows that v8 still excels in real-time performance, lighter deployment, and ease of customization. It’s clear that RTDETRv2 is pushing boundaries, but YOLOv8 remains a go-to for many practical applications due to its balance of speed and flexibility.