Começar

YOLO26 vs RTDETRv2

Os profissionais de visão computacional costumam escolher entre redes neurais convolucionais (CNNs) otimizadas e arquiteturas mais recentes baseadas em Transformer. Dois exemplos de destaque são Ultralytics YOLO26 e o RTDETRv2 da Baidu. Ambos são voltados à detecção de objetos em tempo real, mas recorrem a abordagens arquitetônicas diferentes.

Este guia compara suas estruturas, métricas de desempenho e casos de uso ideais para ajudar você a escolher a melhor base para seu próximo projeto de visão computacional.

Ultralytics YOLO26: IA visual voltada primeiro para a borda#

Desenvolvido pela Ultralytics e lançado em janeiro de 2026, o YOLO26 é o modelo YOLO mais recente e a opção recomendada para novos projetos. Ele foi projetado para oferecer velocidade, precisão e implantação simples em ambientes de nuvem e de borda.

Inovações e pontos fortes da arquitetura#

O YOLO26 apresenta vários recursos que o diferenciam não apenas dos modelos Transformer, mas também de versões anteriores, como o YOLO11:

  • Design ponta a ponta sem NMS: A cabeça opcional um-para-um do YOLO26 (nms=False) ignora a supressão não máxima (NMS) tradicional durante o pós-processamento. Introduzida nos modelos YOLO pelo YOLOv10, essa abordagem ponta a ponta reduz a variação da latência de inferência e simplifica a lógica de implantação, especialmente em hardware de borda.
  • Inferência na CPU até 43% mais rápida: o YOLO26n é até 43% mais rápido na CPU do que o YOLO11n, o que o torna adequado para dispositivos sem GPUs dedicadas, como o Raspberry Pi.
  • Remoção do DFL: a remoção da Distribution Focal Loss (DFL) simplifica o processo de exportação e melhora a compatibilidade com dispositivos de borda de baixo consumo.
  • Otimizador MuSGD: ao trazer ideias de treinamento de modelos de linguagem grandes (LLM) para a visão computacional, o YOLO26 usa o otimizador MuSGD. Essa combinação híbrida de SGD e Muon, inspirada no Kimi K2 da Moonshot AI, oferece treinamento mais estável e convergência mais rápida.
  • ProgLoss + STAL: a Progressive Loss e a atribuição de rótulos com consciência de alvos pequenos (STAL) melhoram o reconhecimento de objetos pequenos. Isso é importante para setores que dependem de análise de imagens aéreas e sensores da Internet das Coisas (IoT).

Versatilidade em tarefas de visão computacional#

Ao contrário dos modelos limitados a caixas delimitadoras, o YOLO26 oferece suporte à detecção, segmentação de instâncias, segmentação semântica, estimativa de profundidade, classificação, estimativa de pose e detecção de OBB. Ele incorpora melhorias específicas para cada tarefa, como a perda de segmentação semântica e o proto multiescala para segmentação de instâncias, a estimativa residual de log-verossimilhança (RLE) para estimativa de pose e uma perda de ângulo especializada para resolver problemas de limites em tarefas de caixas delimitadoras orientadas (OBB).

Estratégia de implantação em dispositivos de borda

Ao implantar em dispositivos de borda, use as variantes YOLO26n (Nano) ou YOLO26s (Small). A remoção do DFL e a cabeça opcional sem NMS simplificam a exportação para CoreML ou LiteRT, permitindo inferência em tempo real no iOS e Android.

RTDETRv2: aprimorando Transformers para detecção em tempo real#

O RTDETRv2, desenvolvido por pesquisadores da Baidu, baseia-se na estrutura original do RT-DETR. O objetivo é mostrar que os Transformers de detecção (DETRs) podem competir com as CNNs altamente otimizadas em velocidade e precisão em cenários de tempo real, e às vezes até superá-las.

Arquitetura e recursos#

O RTDETRv2 usa uma arquitetura baseada em Transformer, que processa imagens de maneira diferente das CNNs ao usar autoatenção para capturar o contexto global.

  • Bag-of-Freebies: A versão v2 introduz uma série de técnicas de treinamento otimizadas (bag-of-freebies) que melhoram o desempenho de base sem aumentar o custo de inferência.
  • Consciência do contexto global: graças às suas camadas de atenção Transformer, o RTDETRv2 lida com cenas complexas em que o contexto global é necessário para distinguir objetos sobrepostos ou oclusos.

Saiba mais sobre o RTDETRv2

Limitações dos modelos Transformer#

Modelos de detecção baseados em Transformer, como o RTDETRv2, costumam enfrentar desafios na implantação prática. Em geral, precisam de mais memória CUDA durante o treinamento do que CNNs eficientes, e as operações exigidas pelas camadas de atenção podem dificultar a integração em diversos ambientes de borda. Para implantações com recursos limitados, CNNs como o YOLO26 costumam ser mais fáceis de distribuir.

Comparação de desempenho#

A tabela abaixo compara a precisão (mAP), a velocidade e o tamanho dos modelos no conjunto de validação COCO.

Modelotamanho
(pixels)
mAPval50-95Velocidade
CPU ONNX
(ms)
Velocidade
T4 TensorRT10
(ms)
parâmetros
(M)
FLOPs
(B)
YOLO26n64040.938.91.72.45.5
YOLO26s64048.687.22.59.520.9
YOLO26m64053.1220.04.720.468.4
YOLO26l64055.0286.26.224.886.8
YOLO26x64057.5525.811.855.7194.4
RTDETRv2-s64048.1-5.032060
RTDETRv2-m64051.9-7.5136100
RTDETRv2-l64053.4-9.7642136
RTDETRv2-x64054.3-15.0376259

Em cada tamanho comparável, o YOLO26 apresenta mAP mais alto e menor latência no TensorRT do que o RTDETRv2. O YOLO26x alcança 57,5 mAP com latência menor (11,8 ms no TensorRT) e menos parâmetros (55,7M) que o RTDETRv2-x (54,3 mAP, 15,03 ms, 76M de parâmetros).

Casos de uso e recomendações#

A escolha entre YOLO26 e RT-DETR depende dos requisitos específicos do teu projeto, das restrições de implantação e das preferências de ecossistema.

Quando escolher o YOLO26#

O YOLO26 é uma ótima opção para:

  • 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 somente com CPU: Dispositivos sem aceleração de GPU dedicada, nos quais a inferência na CPU até 43% mais rápida do YOLO26 (YOLO26n contra 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.

Quando escolher o RT-DETR#

O RT-DETR é recomendado 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.

A vantagem da Ultralytics#

Escolher a arquitetura certa é apenas parte da equação; o ecossistema ao redor determina a rapidez com que uma equipe consegue passar da prototipagem à produção.

Facilidade de uso e eficiência do treinamento#

A API Python da Ultralytics mantém o código de treinamento curto, sem código boilerplate verboso. O YOLO26 também costuma usar menos memória de vídeo da GPU (VRAM) do que as camadas de atenção do RTDETRv2, que consomem muita memória, permitindo lotes maiores em hardware para consumidores.

from ultralytics import YOLO

# Inicializa o modelo YOLO26 Nano
model = YOLO("yolo26n.pt")

# Treina no conjunto de dados COCO8 por 100 épocas
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Executa inferência de alta velocidade sem NMS
predictions = model("https://ultralytics.com/images/bus.jpg", nms=False)

# Exporta para ONNX para implantação
model.export(format="onnx")

Um ecossistema bem mantido#

Os modelos da Ultralytics vêm com uma estrutura mantida ativamente, integrada a ferramentas de acompanhamento de experimentos, como Weights & Biases e Comet. Para uma abordagem sem código, a Ultralytics Platform oferece treinamento na nuvem, gerenciamento de conjuntos de dados e implantação de modelos.

Equilíbrio de desempenho#

O YOLO26 equilibra velocidade de inferência e precisão. A inferência opcional sem NMS, o otimizador MuSGD e o ProgLoss + STAL resultam em um modelo preciso na detecção de objetos pequenos e rápido em produção, tornando-o uma ótima opção padrão para a maioria das aplicações de visão computacional.

Outros modelos do ecossistema#

Desenvolvedores que mantêm pipelines existentes também podem considerar o YOLOv8 para ambientes corporativos já consolidados ou ver como o YOLO26 se compara ao EfficientDet. Para novos projetos, o YOLO26 é a opção recomendada.

Comentários

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