YOLOv10 vs EfficientDet
A escolha da rede neural ideal para deteção de objetos é uma decisão fundamental para os sistemas modernos de visão computacional. Duas arquiteturas que influenciaram a área são YOLOv10 e EfficientDet. Ambas procuram maximizar a precisão e minimizar o custo computacional, mas adotam abordagens arquitetónicas muito diferentes.
Este guia aborda os designs, as metodologias de treinamento e as características de implementação, ajudando desenvolvedores e engenheiros de ML a tomar decisões baseadas em dados para aplicações de IA visual. Também analisa o desempenho em hardware que vai desde dispositivos de IA de borda incorporados até GPUs potentes na nuvem.
YOLOv10: detecção em tempo real sem NMS#
Desenvolvido para reduzir a latência em tempo real, YOLOv10 abordou um dos gargalos mais persistentes da família YOLO: a supressão não máxima (NMS). Ao eliminar esta etapa de pós-processamento, o modelo alcança uma latência previsível, essencial para veículos autónomos e robótica de alta velocidade.
Inovações arquiteturais#
YOLOv10 introduz atribuições duplas consistentes para treinamento sem NMS. Durante o treinamento, utiliza atribuições de rótulos um-para-muitos e um-para-um, permitindo que a rede aprenda representações ricas e, ao mesmo tempo, produza uma única caixa delimitadora por objeto durante a inferência. A arquitetura também incorpora um design holístico orientado à eficiência e à precisão, simplificando a cabeça de classificação e reduzindo a redundância computacional encontrada em iterações anteriores.
Detalhes do modelo#
- Autores: Ao Wang, Hui Chen, Lihao Liu, et al.
- Organização: Universidade Tsinghua
- Data: 2024-05-23
- Artigo: YOLOv10: detecção de objetos em tempo real de ponta a ponta
- GitHub: THU-MIG/yolov10
- Documentação: Documentação do YOLOv10
Como o YOLOv10 elimina a etapa de NMS, é naturalmente mais fácil exportá-lo para formatos como o formato ONNX e o NVIDIA TensorRT, sem depender de plugins personalizados de execução para filtrar caixas delimitadoras.
Pontos fortes:
- Inferência previsível: a remoção da NMS garante tempos de inferência consistentes, independentemente do número de objetos na cena.
- Menor uso de memória: Em comparação com modelos baseados em Transformer, como RT-DETR, YOLOv10 exige menos memória durante o treinamento e a inferência.
- Excelente equilíbrio entre velocidade e precisão: otimizado especificamente para cenários de baixa latência sem sacrificar as métricas de desempenho.
Pontos fracos:
- Foco numa única tarefa: Ao contrário do ecossistema Ultralytics, que abrange várias tarefas, o repositório original de YOLOv10 é dedicado à deteção e não oferece suporte nativo a segmentação de instâncias nem a estimativa de pose.
EfficientDet: escalável e equilibrado#
Introduzido pela Google Brain, EfficientDet aborda a deteção de objetos através da escala sistemática de redes. Baseia-se no backbone EfficientNet de classificação de imagens e introduz um novo mecanismo de fusão de características.
Inovações arquiteturais#
O elemento central de EfficientDet é a rede piramidal de características bidirecional (BiFPN), que permite uma fusão de características multiescala fácil e rápida. Ao contrário das FPNs tradicionais, que apenas somam características de cima para baixo, BiFPN introduz ligações bidirecionais entre escalas e pesos treináveis para aprender a importância das diferentes características de entrada. Além disso, EfficientDet utiliza um método de escala composta que ajusta uniformemente a resolução, a profundidade e a largura de todas as redes de backbone, de características e de previsão de caixas/classes.
Detalhes do modelo#
- Autores: Mingxing Tan, Ruoming Pang e Quoc V. Le
- Organização: Google Brain
- Data: 2019-11-20
- Artigo: EfficientDet: detecção de objetos escalável e eficiente
- GitHub: Google AutoML EfficientDet
Pontos fortes:
- Alta eficiência: excelente proporção entre parâmetros e precisão, tornando as variantes menores
-d0a-d2muito leves. - Escalonamento fundamentado: o escalonamento composto permite que os usuários escolham facilmente um tamanho de modelo que se ajuste exatamente ao orçamento computacional disponível.
Pontos fracos:
- Integração com frameworks legados: A implementação original depende de versões mais antigas do TensorFlow, o que pode complicar os pipelines modernos de implementação.
- Treinamento mais lento: Treinar EfficientDet do zero é lento e exige um ajuste cuidadoso dos hiperparâmetros em comparação com a convergência rápida das arquiteturas YOLO.
- Velocidade de inferência: embora use os parâmetros de forma eficiente, as operações complexas da BiFPN costumam resultar em velocidades de inferência mais lentas no mundo real e em hardware padrão, em comparação com modelos YOLO altamente otimizados.
Sabe mais sobre o EfficientDet
Desempenho e benchmarks#
O verdadeiro teste destes modelos é o desempenho empírico em benchmarks padrão, como o conjunto de dados COCO. A tabela abaixo ilustra as diferenças essenciais no número de parâmetros, nas operações de vírgula flutuante (FLOPs) e na latência de inferência em GPUs NVIDIA T4.
| Modelo | tamanho (pixels) | mAPval50-95 | Velocidade CPU ONNX (ms) | Velocidade T4 TensorRT10 (ms) | parâmetros (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLOv10n | 640 | 38.5 | - | 1.84 | 2.3 | 6.7 |
| YOLOv10s | 640 | 46.3 | - | 2.49 | 7.2 | 21.6 |
| YOLOv10m | 640 | 51.1 | - | 4.74 | 15.4 | 59.1 |
| YOLOv10b | 640 | 52.5 | - | 5.74 | 19.1 | 92.0 |
| YOLOv10l | 640 | 53.2 | - | 7.28 | 24.4 | 120.3 |
| YOLOv10x | 640 | 54.4 | - | 10.70 | 29.5 | 160.4 |
| EfficientDet-d0 | 512 | 34.6 | - | 3.92 | 3.9 | 2.54 |
| EfficientDet-d1 | 640 | 40.5 | - | 7.31 | 6.6 | 6.1 |
| EfficientDet-d2 | 768 | 43.0 | - | 10.92 | 8.1 | 11.0 |
| EfficientDet-d3 | 896 | 47.5 | - | 19.59 | 12.0 | 24.9 |
| EfficientDet-d4 | 1024 | 49.7 | - | 33.55 | 20.7 | 55.2 |
| EfficientDet-d5 | 1280 | 51.5 | - | 67.86 | 33.7 | 130.0 |
| EfficientDet-d6 | 1280 | 52.6 | - | 89.29 | 51.9 | 226.0 |
| EfficientDet-d7 | 1536 | 53.7 | - | 128.07 | 51.9 | 325.0 |
YOLOv10 tem uma grande vantagem na velocidade de inferência em GPU. Por exemplo, YOLOv10s alcança 46.3 mAP com uma latência TensorRT de 2.49 ms, enquanto EfficientDet-d3 chega a 47.5 mAP, um resultado semelhante, mas demora 19.59 ms. No extremo superior, YOLOv10m (51.1 mAP, 4.74 ms) quase iguala EfficientDet-d5 (51.5 mAP, 67.86 ms). Isto torna YOLOv10 muito mais adequado para transmissão de vídeo em tempo real ou pipelines de fabricação de alta velocidade. EfficientDet-d0 tem o menor número de FLOPs da tabela (2.54B).
Casos de uso e recomendações#
A escolha entre YOLOv10 e EfficientDet depende dos requisitos específicos do seu projeto, das restrições de implantação e das preferências de ecossistema.
Quando escolher o YOLOv10#
O YOLOv10 é uma ótima opção para:
- Detecção em tempo real sem NMS: Aplicações que se beneficiam da detecção de ponta a ponta sem supressão não máxima, reduzindo a complexidade da implantação.
- Equilíbrio entre velocidade e precisão: Projetos que exigem um bom equilíbrio entre velocidade de inferência e precisão de detecção em várias escalas de modelo.
- Aplicações com latência consistente: Cenários de implantação nos quais tempos de inferência previsíveis são essenciais, como em robótica ou sistemas autônomos.
Quando escolher o EfficientDet#
O EfficientDet é recomendado para:
- Google Cloud e pipelines de TPU: Sistemas baseados em TensorFlow na infraestrutura de TPU do Google Cloud, onde a implementação de referência do EfficientDet oferece suporte ao treinamento em TPU.
- Investigação sobre escalonamento composto: Avaliação comparativa académica centrada no estudo dos efeitos do escalonamento equilibrado da profundidade, largura e resolução da rede.
- Implementação móvel através do LiteRT: Projetos que exigem especificamente a exportação para LiteRT (anteriormente TensorFlow Lite) para Android ou dispositivos Linux integrados.
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 padrão moderno: chega o Ultralytics YOLO26#
YOLOv10 introduziu a deteção YOLO sem NMS e EfficientDet demonstrou o valor da escala baseada em princípios, mas a visão computacional continuou a evoluir. Para os desenvolvedores que iniciam projetos novos hoje, Ultralytics YOLO26 é o modelo recomendado. Lançado em janeiro de 2026, combina estas ideias num pacote pronto para produção, com suporte da Ultralytics Platform.
Por que o YOLO26 supera a concorrência#
- Design ponta a ponta sem NMS: O YOLO26 oferece o design ponta a ponta sem NMS do YOLOv10 como uma cabeça opcional um-para-um (
nms=False), simplificando a implantação e acelerando a inferência. - Inferência na CPU até 43% mais rápida: Em dispositivos de borda sem aceleradores dedicados, YOLO26n é até 43% mais rápido do que YOLO11n em CPUs padrão.
- Otimizador MuSGD avançado: Inspirado em métodos de treinamento de modelos de linguagem grandes (LLM), YOLO26 utiliza um híbrido de SGD e Muon para obter treinamento estável e convergência rápida, melhorando a eficiência do treinamento em comparação com EfficientDet.
- ProgLoss + STAL: Progressive Loss e atribuição de rótulos atenta a alvos pequenos (STAL) melhoram o reconhecimento de objetos pequenos, uma área em que os detectores anteriores costumam ter dificuldades.
- Remoção de DFL: A remoção de Distribution Focal Loss simplifica a exportação para muitos formatos de hardware, incluindo OpenVINO e CoreML.
YOLO26 também oferece mais versatilidade. Enquanto EfficientDet e YOLOv10 são modelos de deteção, YOLO26 também executa segmentação de instâncias, segmentação semântica, estimativa de profundidade, classificação de imagens, estimativa de pose e caixas delimitadoras orientadas com o mesmo pacote Python da Ultralytics.
Facilidade de uso com a Ultralytics#
O ecossistema bem mantido da Ultralytics garante uma experiência fluida para os desenvolvedores. Treinar um modelo, validá-lo e exportá-lo para TensorRT requer apenas algumas linhas de código.
from ultralytics import YOLO
# Carrega um modelo YOLOv10 pré-treinado (ou atualiza nativamente para YOLO26)
model = YOLO("yolov10n.pt")
# Treina o modelo com eficiência em um conjunto de dados personalizado
model.train(data="coco8.yaml", epochs=50, imgsz=640)
# Executa a inferência e visualiza os resultados imediatamente
results = model("https://ultralytics.com/images/bus.jpg")
results[0].show()
# Exporta para uma implementação rápida
model.export(format="engine", quantize=16)Conclusão#
Ao comparar YOLOv10 e EfficientDet, a escolha depende das tuas preferências de framework e das tuas exigências de velocidade. EfficientDet oferece uma abordagem estruturada à escala dos modelos no ecossistema TensorFlow. No entanto, YOLOv10 proporciona melhor desempenho em tempo real, menor uso de memória e um caminho de implementação mais direto graças à sua arquitetura sem NMS.
Para obter o melhor equilíbrio entre desempenho, facilidade de utilização e versatilidade multitarefa, recomendamos YOLO26 na Ultralytics Platform. Adota a abordagem sem NMS de YOLOv10, acrescenta técnicas de treinamento mais recentes, como o otimizador MuSGD, e é distribuído num framework de código aberto com o apoio de uma grande comunidade global.
Comentários
Faz uma pergunta, partilha os teus resultados ou ajuda alguém.