RTDETRv2 vs YOLOv9
As arquiteturas de visão computacional se dividem em duas abordagens principais: redes neurais convolucionais (CNNs) e modelos baseados em Transformer. Comparar o RTDETRv2 e o YOLOv9 significa ponderar a atenção global em relação às informações de gradiente programáveis. Ambos são bons representantes de suas abordagens à detecção de objetos em tempo real.
Introdução aos modelos#
RTDETRv2: Transformer de deteção em tempo real#
Desenvolvido por pesquisadores da Baidu, o RTDETRv2 se baseia no RT-DETR original e introduz uma abordagem "Bag-of-Freebies" para aprimorar o Transformer de detecção em tempo real de referência. Ele enfrenta o gargalo tradicional dos Transformers — a velocidade de inferência —, tornando-os viáveis para aplicações em tempo real.
- Autores: Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang e Yi Liu
- Organização: Baidu
- Data: 2024-07-24
- Links: arXiv, GitHub
Uma característica marcante do RTDETRv2 é seu design nativo ponta a ponta sem NMS. Ao remover a Supressão não máxima (NMS) do pós-processamento, o modelo estabiliza a latência de inferência e simplifica o pipeline de implantação. O mecanismo de atenção global ajuda o modelo a lidar com cenas complexas e multidões densas, pois avalia simultaneamente o contexto da imagem inteira.
YOLOv9: informações de gradiente programáveis#
O YOLOv9, uma arquitetura eficiente baseada em CNN, aborda o problema do gargalo de informação inerente às redes neurais profundas. Ele introduz Programmable Gradient Information (PGI) e Generalized Efficient Layer Aggregation Network (GELAN).
- Autores: Chien-Yao Wang e Hong-Yuan Mark Liao
- Organização: Institute of Information Science, Academia Sinica
- Data: 21 de fevereiro de 2024
- Links: arXiv, GitHub
O YOLOv9 se baseia em fundamentos comprovados de redes neurais convolucionais, com foco na eficiência dos parâmetros. Ao reter informações essenciais durante o processo feed-forward, o PGI mantém os gradientes confiáveis, resultando em um modelo leve e preciso. No entanto, ao contrário do RTDETRv2, o YOLOv9 ainda depende do pós-processamento NMS padrão.
Desempenho e eficiência de recursos#
A tabela abaixo compara a precisão média (mAP) e o custo computacional no conjunto de dados MS COCO. O YOLOv9 usa muito menos parâmetros com precisão semelhante (o YOLOv9m alcança 51.4 mAP com 20.1M de parâmetros, contra 51.9 mAP e 36M para o RTDETRv2-m) e é mais rápido no T4 TensorRT em todos os tamanhos, exceto no YOLOv9e. O YOLOv9e alcança o maior mAP (55.6), mas também é o modelo mais lento da tabela (16.77 ms).
| 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 |
| YOLOv9t | 640 | 38.3 | - | 2.3 | 2.0 | 7.7 |
| YOLOv9s | 640 | 46.8 | - | 3.54 | 7.2 | 26.7 |
| YOLOv9m | 640 | 51.4 | - | 6.43 | 20.1 | 76.8 |
| YOLOv9c | 640 | 53.0 | - | 7.16 | 25.5 | 102.8 |
| YOLOv9e | 640 | 55.6 | - | 16.77 | 58.1 | 192.5 |
Requisitos de memória e eficiência de treinamento#
Transformers como o RTDETRv2 consomem muita memória durante o treinamento e costumam exigir bastante memória CUDA. Arquiteturas CNN como o YOLOv9 e outros modelos Ultralytics YOLO normalmente usam menos memória, permitindo que desenvolvedores treinem com tamanhos de lote maiores em hardware de consumo.
Para aproveitar melhor seu hardware, considere usar a Ultralytics Platform para treinamento na nuvem. Ela configura o ambiente e o tamanho do lote automaticamente.
A vantagem da Ultralytics: ecossistema e facilidade de uso#
Repositórios independentes, como as páginas oficiais do RTDETRv2 ou do YOLOv9 no GitHub, são úteis para pesquisa, mas ambientes de produção exigem estabilidade, facilidade de uso e um ecossistema bem mantido. Usar esses modelos pela API Python da Ultralytics oferece uma experiência de desenvolvimento consistente.
API unificada e versatilidade#
O framework Ultralytics abstrai as complexidades do carregamento de dados, dos aumentos de dados e do treinamento distribuído. Além disso, enquanto o RTDETRv2 original se concentra exclusivamente em detecção, o ecossistema Ultralytics permite alternar entre detecção de objetos, segmentação de instâncias e estimativa de pose.
from ultralytics import RTDETR, YOLO
# Treina um modelo YOLOv9 com dados personalizados
model_yolo = YOLO("yolov9c.pt")
model_yolo.train(data="coco8.yaml", epochs=50, imgsz=640)
# Muda facilmente para RT-DETR para avaliar cenas complexas
model_rtdetr = RTDETR("rtdetr-l.pt")
results = model_rtdetr.predict("https://ultralytics.com/images/bus.jpg")
# Exporta para formatos prontos para produção, como TensorRT
model_yolo.export(format="engine")Com documentação abrangente, acompanhamento automático de experimentos e exportação para formatos como ONNX, TensorRT e OpenVINO, a Ultralytics encurta o caminho do protótipo à produção.
Casos de utilização ideais#
Onde o RTDETRv2 se destaca#
Graças ao seu mecanismo de atenção global, o RTDETRv2 é adequado para processamento no servidor e ambientes em que o contexto global é importante. Ele tem bom desempenho em:
- Imagens médicas: Identificação de anomalias sutis em que o contexto ao redor é fundamental.
- Vigilância aérea: Analisar imagens de drones em alta resolução, nas quais o contexto espacial amplo ajuda a interpretar a cena.
- Análise de multidões densas: Detectar pessoas em cenas lotadas, nas quais a NMS pode suprimir detecções verdadeiras sobrepostas.
Onde o YOLOv9 se destaca#
O YOLOv9 é uma boa opção para implantações de borda com recursos limitados. Sua eficiência computacional é adequada para:
- Robótica: Navegação em tempo real e desvio de obstáculos quando a latência mínima é essencial.
- IoT para cidades inteligentes: Implantação em dispositivos de borda, como o NVIDIA Jetson, para monitoramento de tráfego.
- Inspeção industrial: Controle de qualidade em linhas de montagem de alta velocidade que exige uma alta taxa de quadros por segundo (FPS).
O futuro: conheça o Ultralytics YOLO26#
O YOLOv9 e o RTDETRv2 representaram avanços importantes, e o campo continuou evoluindo. Para novas implantações, o Ultralytics YOLO26, lançado em janeiro de 2026, combina ideias das duas abordagens arquiteturais.
O YOLO26 reúne os pontos fortes de Transformers e CNNs:
- Design ponta a ponta sem NMS: Assim como o RTDETRv2, o YOLO26 oferece inferência nativa ponta a ponta, dispensando o pós-processamento NMS com sua cabeça opcional one-to-one (
nms=False) para criar pipelines de implantação mais rápidos, simples e previsíveis. - Otimizador MuSGD: Inspirado em técnicas de treinamento de modelos de linguagem grandes (LLM), como o Kimi K2 da Moonshot AI, o YOLO26 usa uma combinação de SGD e Muon para um treinamento mais estável e uma convergência mais rápida.
- Inferência na CPU até 43% mais rápida: O YOLO26n é até 43% mais rápido na CPU do que o YOLO11n, o que é ideal para computação de borda e dispositivos sem GPUs, nos quais Transformers mais pesados têm dificuldade.
- Remoção da DFL: Remover a Distribution Focal Loss simplifica o grafo do modelo, facilitando a exportação para dispositivos de borda de baixo consumo e unidades de processamento neural (NPUs) embarcadas.
- ProgLoss + STAL: Progressive Loss e Small-Target-Aware Label Assignment (STAL) melhoram o reconhecimento de objetos pequenos, algo importante para conjuntos de dados de IoT e imagens aéreas.
Para equipes que estão começando um novo projeto de visão computacional, recomendamos avaliar o YOLO26. Ele oferece inferência opcional sem NMS, como um Transformer, com a velocidade e a eficiência de treinamento de uma arquitetura YOLO.
Resumo#
A escolha entre RTDETRv2 e YOLOv9 depende, em grande parte, do hardware de implantação e das necessidades específicas de precisão. O RTDETRv2 oferece alta precisão e compreensão contextual para aplicações com suporte de servidor, enquanto o YOLOv9 oferece excelente eficiência em dispositivos de borda.
O ecossistema Ultralytics permite que desenvolvedores experimentem tanto o YOLOv9 quanto o RT-DETR original usando a mesma API. Modelos mais recentes, como o YOLO11 e o YOLO26, com recursos ponta a ponta, oferecem suporte mais amplo a tarefas, inferência rápida e baixo consumo de memória.
Comentários
Faz uma pergunta, partilha os teus resultados ou ajuda alguém.