Começar

RTDETRv2 vs YOLOX

Os programadores que criam sistemas de deteção de objetos em tempo real podem escolher entre muitas arquiteturas. Duas opções notáveis são o RTDETRv2, baseado em Transformer, e a rede neural convolucional (CNN) YOLOX. Ambos fizeram avançar a deteção em tempo real, mas adotam abordagens fundamentalmente diferentes para o reconhecimento visual.

Este guia aborda a arquitetura, as métricas de desempenho e os cenários de implementação ideais para ambos os modelos, e mostra como o Ultralytics YOLO26 se baseia nestes fundamentos para proporcionar maior precisão, eficiência e facilidade de utilização.

RTDETRv2: Transformers de detecção em tempo real#

Apresentado como sucessor do RT-DETR original, o RTDETRv2 utiliza uma arquitetura Transformer para a deteção de objetos em tempo real. Ao eliminar a necessidade de supressão não máxima (NMS), simplifica o pipeline de inferência.

Arquitetura e projeto#

O RTDETRv2 utiliza os mecanismos de autoatenção dos Transformers para captar o contexto global em toda a imagem, o que lhe permite prever diretamente caixas delimitadoras e probabilidades de classe. As suas características multiescala ajudam-no a reconhecer objetos pequenos em ambientes desordenados.

Limitações dos Transformers

Embora os Transformers se destaquem na captura do contexto global, seus mecanismos de autoatenção crescem quadraticamente com o comprimento da sequência, frequentemente levando a um consumo de memória CUDA significativamente maior durante o treinamento, em comparação com as CNNs tradicionais.

Pontos fortes e fracos#

O principal ponto forte do RTDETRv2 é o seu design nativo de ponta a ponta. Ao ignorar a NMS, evita os picos de latência associados a previsões densas e sobrepostas. No entanto, os seus blocos Transformer têm um elevado custo computacional e exigem recursos substanciais de GPU tanto para o treino como para a implementação, o que o torna menos adequado a dispositivos de borda com recursos limitados ou hardware móvel mais antigo.

Saiba mais sobre o RTDETRv2

YOLOX: avançando as CNNs sem âncoras#

Desenvolvido para diminuir a distância entre a pesquisa acadêmica e as aplicações industriais, YOLOX introduziu à popular família de modelos YOLO uma cabeça desacoplada e um projeto sem âncoras.

Arquitetura e projeto#

O YOLOX afasta-se dos detetores tradicionais baseados em âncoras ao prever diretamente as localizações dos objetos, sem caixas-âncora predefinidas. Isto simplifica o design da rede e reduz o número de parâmetros de ajuste heurístico necessários para obter um desempenho ideal. Além disso, o YOLOX utiliza uma cabeça desacoplada que separa as tarefas de classificação e regressão, melhorando a velocidade de convergência durante o treino.

Pontos fortes e fracos#

O seu design sem âncoras torna o YOLOX adaptável a várias tarefas de visão computacional e mais fácil de treinar com conjuntos de dados personalizados. As suas variantes mais leves, como o YOLOX-Nano, são adequadas a dispositivos móveis e dispositivos IoT de baixo consumo. No entanto, o YOLOX antecede os detetores sem NMS e continua a depender do pós-processamento NMS, o que aumenta a complexidade e a latência da implementação em cenas densas.

Saiba mais sobre o YOLOX

Comparação de desempenho e métricas#

A tabela abaixo compara a velocidade, a precisão (mAP) e a eficiência em termos de parâmetros entre diferentes dimensões de modelo no conjunto de dados 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
YOLOXnano41625.8--0.911.08
YOLOXtiny41632.8--5.066.45
YOLOXs64040.5-2.569.026.8
YOLOXm64046.9-5.4325.373.8
YOLOXl64049.7-9.0454.2155.6
YOLOXx64051.1-16.199.1281.9

O RTDETRv2 é mais preciso em todas as dimensões comparáveis. O RTDETRv2-x alcança 54.3 mAP, contra 51.1 do YOLOXx, e também é mais rápido numa GPU T4 (15.03 ms vs 16.1 ms) e tem menos parâmetros (76M vs 99.1M). A vantagem do YOLOX está nas dimensões menores: o YOLOXs executa em 2.56 ms com 9.0M de parâmetros (40.5 mAP), e o YOLOX-Nano e o YOLOX-Tiny oferecem opções com menos de 6M de parâmetros, inexistentes no RTDETRv2.

A vantagem da Ultralytics: conheça YOLO26#

Muitos projetos precisam de um único modelo que combine elevada precisão, inferência rápida e um ecossistema acessível. Lançado em janeiro de 2026, o Ultralytics YOLO26 foi concebido para isso.

Principais inovações do YOLO26#

  • 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 sem NMS (nms=False). Ela proporciona inferência de ponta a ponta como a do RTDETRv2, sem os altos requisitos de memória dos transformers.
  • Otimizador MuSGD: Inspirado no treino de grandes modelos de linguagem (LLM), o otimizador híbrido MuSGD (que combina SGD e Muon) estabiliza o treino e acelera a convergência.
  • Inferência na CPU até 43% mais rápida: A remoção do módulo Distribution Focal Loss (DFL) simplifica a cabeça para a computação de borda e dispositivos de baixo consumo, tornando o YOLO26n até 43% mais rápido na CPU (ONNX) do que o YOLO11n.
  • ProgLoss + STAL: A Progressive Loss e a atribuição de rótulos sensível a objetos pequenos (STAL) melhoram o reconhecimento de objetos pequenos, um problema comum em imagens aéreas e em aplicações de robótica.

Versatilidade e ecossistema#

Para além do desempenho bruto, a Ultralytics Platform cobre todo o percurso, dos dados à produção. Ao contrário dos repositórios académicos estáticos, os modelos Ultralytics são mantidos ativamente e suportam várias tarefas através de uma única API. Quer estejas a executar segmentação de instâncias, estimativa de pose ou deteção de caixas delimitadoras orientadas (OBB), o fluxo de trabalho mantém-se igual.

Os modelos Ultralytics YOLO também requerem pouca memória durante o treino e a inferência, pelo que os investigadores podem executar lotes maiores em hardware de consumo do que permitem as arquiteturas baseadas em Transformer, que consomem muita memória.

Exemplo de Código de Treino#

Treinar um modelo YOLO26 requer apenas algumas linhas de código, e o pacote Ultralytics trata do carregamento dos dados e da configuração predefinida dos hiperparâmetros.

from ultralytics import YOLO

# Initialize the YOLO26 Nano model
model = YOLO("yolo26n.pt")

# Train the model on the standard COCO8 dataset
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, batch=16)

# Validate the model's performance
metrics = model.val()
print(f"Validation mAP: {metrics.box.map}")

# Export to ONNX or TensorRT for rapid deployment
model.export(format="engine", device=0)

Aplicações no mundo real e casos de uso ideais#

A escolha da arquitetura certa depende das tuas restrições de implementação e da disponibilidade de hardware.

Processamento em nuvem de alta precisão#

Se a tua aplicação for executada em GPUs de servidor de alto desempenho e der prioridade à máxima precisão — por exemplo, para analisar multidões densas ou processar imagens médicas de alta resolução —, os mecanismos de atenção do RTDETRv2 podem ser eficazes.

Implantação legada em dispositivos de borda#

Para telemóveis mais antigos ou hardware incorporado com fortes limitações, nos quais um número mínimo de FLOPs é um requisito estrito, o leve YOLOX-Nano (0.91M parâmetros, 1.08B FLOPs) continua a ser uma alternativa viável graças à sua arquitetura CNN simples.

O padrão moderno: AIoT e robótica#

Para a maioria dos casos de utilização modernos, incluindo infraestruturas de cidades inteligentes, análise de retalho e navegação autónoma, o Ultralytics YOLO26 é a opção recomendada. A inferência na CPU do YOLO26n, até 43% mais rápida do que a do YOLO11n, é adequada à computação de borda, e a sua cabeça opcional sem NMS oferece latência baixa e consistente. Em conjunto com a documentação da Ultralytics e uma comunidade ativa, ajuda as equipas a passar rapidamente da anotação dos conjuntos de dados à implementação.

Simplifica o teu fluxo de trabalho

Utiliza a Ultralytics Platform para gerir conjuntos de dados, treinar modelos na cloud e implementá-los em grande escala.

Outros modelos Ultralytics a considerar incluem o YOLOv8, que tem integrações amplas com a comunidade, e o YOLOv5, que continua estável em pipelines legados. Para novos projetos, o YOLO26 é o ponto de partida recomendado.

Comentários6

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

  1. UltralyticsAssistantGitHubUltralytics

    👋 Hello, thank you for opening a discussion and engaging with Ultralytics 🚀! For new users, we recommend visiting the Docs where you'll find detailed Python and CLI usage examples, as well as answers to many common questions.

    If this is a 🐛 Bug Report, please provide a minimum reproducible example to help us investigate further.

    If your question is about custom training or model comparison ❓, please share as much detail as possible—such as dataset samples, training logs, or what specific performance metrics you're interested in. Don't forget to check out our Tips for Best Training Results for optimal guidance.

    Join the Ultralytics community where you feel most comfortable:

    • For real-time chat, head to Discord 🎧
    • For in-depth discussions, visit Discourse
    • Or explore threads on our Subreddit to share and learn with others

    Upgrade

    Please ensure you're using the latest ultralytics package and all requirements in a Python>=3.8 environment with PyTorch>=1.8:

    pip install -U ultralytics

    Environments

    YOLO models can be run in any of the following up-to-date verified environments (with all dependencies, including CUDA/CUDNN, Python and PyTorch preinstalled):

    Status

    Ultralytics CI

    If this badge is green, all Ultralytics CI tests are currently passing! CI tests verify correct operation of all YOLO Modes and Tasks across macOS, Windows, and Ubuntu every 24 hours and on every commit.

    This is an automated response and an Ultralytics engineer will assist you soon 😊

    1. Glenn JocherUltralytics(editado)

      This page offers a valuable comparison between RTDETRv2 and YOLOX, highlighting their different strengths. If you have specific questions about these models, feel free to ask here. RTDETRv2 excels in accuracy (reaching 54.3% mAP) but demands more computational resources, while YOLOX stands out for efficiency and speed, making it ideal for edge devices. For those seeking alternatives with a balance of performance and usability, you might also consider Ultralytics YOLO26, which offers excellent performance across various computer vision tasks. What specific aspect of these models are you most interested in learning more about?

  2. UltralyticsAssistantGitHubUltralytics

    👋 Hello, thank you for starting this comparison discussion about RTDETRv2 and YOLOX! 🚀 For detailed guidance, we recommend checking out our Docs, which contain in-depth information, benchmarks, and usage examples that may help answer many of your questions.

    If this is a 🐛 Bug Report, please provide a minimum reproducible example so we can assist you efficiently.

    For model training or evaluation ❓ Questions, please share as many details as possible, such as dataset samples, training logs, or specific requirements, and review our Tips for Best Training Results.

    Join the Ultralytics community in your preferred space! For real-time chat, visit our Discord 🎧. For topic-based discussions, check out Discourse, or connect with others on our Subreddit.

    Upgrade

    Make sure your ultralytics package and all requirements are up to date in a Python>=3.8 environment with PyTorch>=1.8:

    pip install -U ultralytics

    Environments

    YOLO models can be run in these verified environments:

    Status

    Ultralytics CI

    A green badge means all Ultralytics CI tests are passing. CI covers all YOLO Modes and Tasks across macOS, Windows, and Ubuntu.

    This is an automated response 🤖. An Ultralytics engineer will review your discussion and provide further assistance soon!

    1. Glenn JocherUltralytics(editado)

      Welcome to the RTDETRv2 vs YOLOX comparison discussion! This page highlights two powerful object detection approaches with different strengths: RTDETRv2 leverages transformer architecture for higher accuracy in complex scenes (54.3% mAP for RTDETRv2-x), while YOLOX offers exceptional efficiency with faster inference speed (2.56ms for YOLOX-s on T4 TensorRT).

      Your use case should guide your choice - RTDETRv2 excels when maximum accuracy is critical and GPU resources are available, while YOLOX is ideal for edge devices and real-time applications with limited resources.

      If you're looking for models within a comprehensive ecosystem, you might also consider Ultralytics YOLO26 which balances performance with ease of use.

      Feel free to post any questions about these models or their implementation in your specific applications. The Ultralytics team is here to help!

  3. UltralyticsAssistantGitHubUltralytics

    👋 Hello, thank you for starting this discussion and sharing your interest in comparing object detection models like RTDETRv2 and YOLOX 🚀! For a detailed overview, the Ultralytics Docs offer a wealth of information, including the comparison page you linked, which highlights model strengths, performance, and use cases.

    If you have specific questions or encounter any issues related to these models, please provide as much detail as possible.

    • If this is a 🐛 Bug Report, please include a minimum reproducible example to help us assist you.
    • For custom training ❓ questions, adding dataset samples and training logs can be very helpful. Make sure to review our Training Tips for best results.

    Connect with the Ultralytics community in your preferred way! For real-time help, join our Discord 🎧. In-depth posts and discussions are found on Discourse, and our Subreddit is great for sharing experiences and solutions.

    Upgrade

    To ensure the best experience and access to the latest features and fixes, please upgrade the ultralytics package and all requirements in a Python>=3.8 environment with PyTorch>=1.8:

    pip install -U ultralytics

    Environments

    YOLO models can be run in any of these verified environments with all dependencies preinstalled:

    Status

    Ultralytics CI

    A green badge means all Ultralytics CI tests are passing, ensuring YOLO Modes and Tasks work across macOS, Windows, and Ubuntu.

    This is an automated response 🤖—an Ultralytics engineer will review your discussion and assist you soon!

    1. Glenn JocherUltralytics(editado)

      Welcome to the discussion about RTDETRv2 and YOLOX object detection models! Both offer different strengths - RTDETRv2 provides higher accuracy through its transformer architecture, while YOLOX excels in speed and efficiency on resource-constrained devices.

      If you have specific questions about implementing either model, performance tuning, or need help choosing between them for your particular use case, please share your questions here. Our team monitors these discussions to provide technical guidance and support.

      For hands-on users interested in similar models with Ultralytics integration, YOLO26 offers an excellent balance of speed and accuracy with full support in our ecosystem.