YOLO11 vs YOLOv6-3.0: Uma comparação pormenorizada de modelos
A escolha do modelo de visão por computador correto é crucial para obter um desempenho ótimo nas tarefas de deteção de objectos. Ultralytics oferece uma gama de modelos YOLO , cada um com pontos fortes únicos. Esta página apresenta uma comparação técnica entre Ultralytics YOLO11 e o YOLOv6-3.0, duas escolhas populares para a deteção de objectos, centrando-se nas respectivas arquitecturas, métricas de desempenho e aplicações ideais.
Ultralytics YOLO11
Ultralytics YOLO11 é o mais recente modelo de vanguarda da série YOLO , da autoria de Glenn Jocher e Jing Qiu da Ultralytics, lançado em 2024-09-27. Baseia-se nas versões anteriores para fornecer capacidades de deteção de objectos de última geração, concebidas para uma maior precisão e eficiência em várias tarefas de visão computacional, incluindo deteção de objectos, segmentação de instâncias, classificação de imagens e estimativa de pose.
YOLO11 introduz melhorias na arquitetura para previsões mais precisas e maior eficiência. Em particular, o YOLO11m atinge uma precisão média (mAP) mais elevada no conjunto de dados COCO com menos parâmetros em comparação com o YOLOv8m. Essa eficiência se estende a diversas plataformas, de dispositivos de borda a sistemas de nuvem. O design optimizado leva a velocidades de processamento mais rápidas e a custos computacionais reduzidos, tornando-o adequado para aplicações em tempo real e ambientes com recursos limitados. Para obter mais detalhes, consulte a documentação oficial YOLO11 .
Pontos fortes do YOLO11:
- Precisão superior: Atinge um mAP mais elevado com menos parâmetros, melhorando a precisão da deteção.
- Eficiência melhorada: Proporciona velocidades de processamento mais rápidas e custos de computação reduzidos.
- Versatilidade: Suporta várias tarefas, incluindo deteção, segmentação, classificação e estimativa de pose.
- Compatibilidade entre plataformas: Apresenta bom desempenho em sistemas de borda e de nuvem.
- Facilidade de utilização: Integração perfeita com o HUB Ultralytics e o pacote Python .
Pontos fracos do YOLO11:
- Novo modelo: Sendo o modelo mais recente, o apoio da comunidade e a documentação ainda estão a crescer em comparação com modelos mais estabelecidos.
Casos de utilização ideais para o YOLO11:
O equilíbrio entre a precisão e a velocidade do YOLO11 torna-o ideal para aplicações que exigem elevada precisão e desempenho em tempo real, tais como:
- Sistemas avançados de assistência ao condutor (ADAS) em automóveis autónomos(IA na condução autónoma)
- Robótica de alta precisão no fabrico(IA no fabrico)
- Sistemas de vigilância sofisticados para uma maior segurança(visão por computador para prevenção de roubos)
- Análise de imagens médicas para diagnósticos exactos(IA nos cuidados de saúde)
- Análise desportiva em tempo real(explorando as aplicações da visão computacional no desporto)
YOLOv6-3.0
YOLOv6-3.0 é uma estrutura de deteção de objectos de elevado desempenho desenvolvida pela Meituan e da autoria de Chuyi Li, Lulu Li, e outros, lançada em 2023-01-13. Foi concebido para aplicações industriais que requerem um equilíbrio entre velocidade e precisão. O YOLOv6-3.0 incorpora inovações arquitectónicas como o módulo Bi-diretional Concatenation (BiC) e a estratégia Anchor-Aided Training (AAT) para melhorar o desempenho sem comprometer significativamente a velocidade.
O YOLOv6-3.0 é conhecido pela sua eficiência e velocidade, oferecendo vários tamanhos de modelos (N, S, M, L) para atender a diferentes necessidades computacionais. O seu design optimizado e o suporte de quantização tornam-no particularmente adequado para aplicações em tempo real e implementação em dispositivos de ponta. Informações detalhadas podem ser encontradas na documentação do YOLOv6 e no repositório GitHub do YOLOv6.
Pontos fortes do YOLOv6-3.0:
- Alta velocidade de inferência: Optimizado para desempenho em tempo real, atingindo elevados FPS.
- Precisão equilibrada: Proporciona um bom equilíbrio entre precisão e velocidade.
- Suporte de quantização: Oferece quantização INT8 para maior rapidez e eficiência.
- Otimização móvel: Inclui modelos YOLOv6Lite especificamente concebidos para implementação móvel e CPU .
- Modelo estabelecido: Bem documentado, com uma comunidade e uma base de código fortes.
Pontos fracos do YOLOv6-3.0:
- Precisão potencialmente inferior: Pode ter uma precisão ligeiramente inferior em comparação com os modelos YOLO mais recentes, como YOLO11 , em determinados cenários complexos.
- Origem do desenvolvimento: Desenvolvido fora do Ultralytics, embora integrado no ecossistema Ultralytics .
Casos de utilização ideais para o YOLOv6-3.0:
O YOLOv6-3.0 é adequado para aplicações em que a velocidade e a eficiência são fundamentais:
- Deteção de objectos em tempo real em dispositivos periféricos(IA periférica)
- Automação industrial que exige uma deteção rápida e fiável(melhorar o fabrico com visão computacional)
- Sistemas de vigilância e segurança em que o processamento rápido é fundamental(quebrando o status quo da vigilância com visão ai)
- Aplicações móveis com limitações de recursos(implantação de aplicações de visão computacional em dispositivos de IA periféricos)
- Análise de vídeo de alto rendimento
| Modelo | tamanho (pixéis) |
mAPval 50-95 |
Velocidade CPU ONNX (ms) |
Velocidade T4TensorRT10 (ms) |
params (M) |
FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLO11n | 640 | 39.5 | 56.1 | 1.5 | 2.6 | 6.5 |
| YOLO11s | 640 | 47.0 | 90.0 | 2.5 | 9.4 | 21.5 |
| YOLO11m | 640 | 51.5 | 183.2 | 4.7 | 20.1 | 68.0 |
| YOLO11l | 640 | 53.4 | 238.6 | 6.2 | 25.3 | 86.9 |
| YOLO11x | 640 | 54.7 | 462.8 | 11.3 | 56.9 | 194.9 |
| YOLOv6-3.0n | 640 | 37.5 | - | 1.17 | 4.7 | 11.4 |
| YOLOv6-3.0s | 640 | 45.0 | - | 2.66 | 18.5 | 45.3 |
| YOLOv6-3.0m | 640 | 50.0 | - | 5.28 | 34.9 | 85.8 |
| YOLOv6-3.0l | 640 | 52.8 | - | 8.95 | 59.6 | 150.7 |
Os utilizadores interessados em explorar outros modelos podem também considerar o Ultralytics YOLOv8 para um equilíbrio entre desempenho e funcionalidades, o YOLOv9 para melhorias arquitectónicas avançadas, o YOLOv10 para os mais recentes avanços, o YOLOv7 e YOLOv5, cada um oferecendo pontos fortes únicos na família YOLO .
