Começar

YOLOv10 vs RTDETRv2

A visão computacional evolui rapidamente, e novas arquiteturas elevam regularmente o estado da arte em detecção de objetos em tempo real. Dois marcos notáveis são YOLOv10 e RTDETRv2. Ambos os modelos removem um gargalo dos pipelines tradicionais de detecção ao eliminar o pós-processamento de supressão não máxima (NMS), mas abordam esse desafio com arquiteturas completamente diferentes.

Esta comparação técnica analisa as arquiteturas, as metodologias de treinamento e os cenários de implantação ideais para ajudar desenvolvedores e pesquisadores a escolher a ferramenta certa para seu próximo projeto de IA de visão.

YOLOv10: detecção em tempo real sem NMS#

Desenvolvido por pesquisadores da Universidade Tsinghua, YOLOv10 se concentra na eficiência arquitetural e na remoção de gargalos de pós-processamento. Ao introduzir atribuições duplas consistentes para treinamento sem NMS, alcança precisão competitiva com menor latência de inferência.

Especificações técnicas#

Arquitetura e metodologias#

A principal contribuição do YOLOv10 é seu design de modelo holístico, orientado à eficiência e à precisão. Ele otimiza vários componentes sob essas duas perspectivas, reduzindo a sobrecarga computacional. A estratégia de atribuições duplas consistentes permite treinar o modelo sem depender de NMS, resultando em um pipeline de implantação simplificado e ponta a ponta. Isso é particularmente útil ao exportar modelos para formatos edge, como ONNX ou TensorRT, nos quais operações de pós-processamento podem introduzir latência inesperada.

Pontos fortes e fracos#

O modelo oferece um ótimo equilíbrio entre velocidade e precisão, especialmente nas variantes menores (N e S). Sua baixa latência o torna ideal para ambientes edge de alta velocidade. No entanto, embora YOLOv10 se destaque pela velocidade bruta de detecção, continua sendo um modelo especializado apenas em detecção. Equipes que precisam de segmentação de instâncias ou estimativa de pose terão de recorrer a frameworks mais versáteis.

Sabe mais sobre o YOLOv10

RTDETRv2: aprimorando o Transformer de detecção#

Com base no Transformer de detecção em tempo real original, o RTDETRv2 incorpora um “pacote de benefícios gratuitos” para melhorar seu desempenho de referência, demonstrando que os transformers podem competir com CNNs em cenários de tempo real.

Especificações técnicas#

Arquitetura e metodologias#

RTDETRv2 usa uma arquitetura híbrida, combinando um backbone de rede neural convolucional (CNN) para extração de características visuais com um codificador-decodificador transformer para compreensão da cena como um todo. O mecanismo de atenção própria do transformer permite que o modelo analise a imagem globalmente, tornando-o eficaz para lidar com cenas complexas, objetos sobrepostos e multidões densas.

Pontos fortes e fracos#

A arquitetura transformer oferece excelente precisão, especialmente em escalas maiores de parâmetros, e produz nativamente as detecções finais sem NMS. No entanto, isso tem um custo. Tradicionalmente, modelos transformer exigem mais memória CUDA durante o treinamento e podem demorar mais para convergir em comparação com arquiteturas puramente CNN. Embora RTDETRv2 tenha melhorado a velocidade de inferência, em geral consome mais memória do que variantes leves do YOLO.

Saiba mais sobre o RTDETRv2

Comparação de desempenho#

Avaliar as métricas de desempenho oferece uma visão mais clara dos pontos fortes de cada modelo. A tabela a seguir destaca os recursos de cada um no conjunto de dados COCO:

Modelotamanho
(pixels)
mAPval50-95Velocidade
CPU ONNX
(ms)
Velocidade
T4 TensorRT10
(ms)
parâmetros
(M)
FLOPs
(B)
YOLOv10n64038.5-1.842.36.7
YOLOv10s64046.3-2.497.221.6
YOLOv10m64051.1-4.7415.459.1
YOLOv10b64052.5-5.7419.192.0
YOLOv10l64053.2-7.2824.4120.3
YOLOv10x64054.4-10.7029.5160.4
RTDETRv2-s64048.1-5.032060
RTDETRv2-m64051.9-7.5136100
RTDETRv2-l64053.4-9.7642136
RTDETRv2-x64054.3-15.0376259

YOLOv10 tem uma clara vantagem em eficiência de parâmetros e velocidade de inferência com TensorRT em tamanhos comparáveis, enquanto RTDETRv2 é um pouco mais preciso nas escalas s, m e l (por exemplo, 48.1 contra 46.3 mAP para os modelos s, a 5.03 ms contra 2.49 ms). RTDETRv2-x iguala YOLOv10x em precisão (54.3 contra 54.4 mAP), mas exige mais de 2.5x os parâmetros (76M contra 29.5M) e mais FLOPs (259B contra 160.4B).

Casos de uso e recomendações#

A escolha entre YOLOv10 e RT-DETR depende dos requisitos específicos do teu 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 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.

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.

A vantagem da Ultralytics: ecossistema e inovação#

YOLOv10 e RTDETRv2 são detectores capazes, mas a escolha de um modelo muitas vezes depende do ecossistema de software ao redor. A Ultralytics Platform oferece uma interface unificada que oculta boa parte da complexidade dos fluxos de trabalho de aprendizado profundo.

O novo padrão: Ultralytics YOLO26#

Para desenvolvedores que buscam o melhor desempenho, o Ultralytics YOLO26 reúne avanços arquiteturais recentes. Lançado em janeiro de 2026, o YOLO26 herda o design ponta a ponta sem NMS do YOLOv10 como uma cabeça opcional (nms=False), eliminando o pós-processamento com NMS para uma implantação mais rápida e simples.

Por que escolher YOLO26?

YOLO26 traz métodos de treinamento de modelos de linguagem grandes (LLM) para a visão computacional por meio do otimizador MuSGD (um híbrido de SGD e Muon), resultando em um treinamento mais estável e uma convergência mais rápida. YOLO26n também é até 43% mais rápido na CPU que YOLO11n, tornando YOLO26 uma ótima opção para computação edge.

Além disso, YOLO26 introduz ProgLoss + STAL para melhorias notáveis no reconhecimento de objetos pequenos e, ao contrário do YOLOv10, limitado à detecção, oferece suporte à detecção de objetos, segmentação de instâncias, segmentação semântica, estimativa de profundidade, classificação de imagens, estimativa de pose e caixas delimitadoras orientadas (OBB), com melhorias específicas por tarefa, como uma função de perda de segmentação semântica e Residual Log-Likelihood Estimation (RLE) para pose. A remoção de Distribution Focal Loss (DFL) também simplifica a exportação e melhora a compatibilidade com dispositivos de baixo consumo.

Facilidade de uso e eficiência do treinamento#

Quer estejas trabalhando com modelos anteriores, como Ultralytics YOLO11, ou com o mais recente YOLO26, a API Python mantém baixo o uso de memória no treinamento e simplifica os fluxos de trabalho. A mesma API também executa YOLOv10 e RT-DETR:

from ultralytics import RTDETR, YOLO

# Treina o modelo YOLOv10 ponta a ponta
model_yolo = YOLO("yolov10n.pt")
model_yolo.train(data="coco8.yaml", epochs=100, imgsz=640)

# Como alternativa, avalia o RTDETR na mesma API
model_rtdetr = RTDETR("rtdetr-l.pt")
results = model_rtdetr.predict("https://ultralytics.com/images/bus.jpg")

O ecossistema bem mantido oferece ferramentas para facilitar o ajuste de hiperparâmetros e integra-se com ferramentas de acompanhamento de experimentos e opções de implantação de modelos.

Conclusão#

YOLOv10 e RTDETRv2 são marcos importantes na detecção de objetos sem NMS. RTDETRv2 demonstra que transformers podem alcançar latência em tempo real com excelente compreensão do contexto global, embora exijam mais memória. YOLOv10 oferece uma alternativa CNN eficiente e rápida, adaptada a tarefas de detecção com recursos limitados.

Para um desempenho equilibrado, versatilidade multitarefa e um ecossistema maduro, recomendamos Ultralytics YOLO26. Ele combina as ideias arquiteturais dos antecessores com ferramentas fáceis de usar que simplificam a implantação de IA de visão.

Comentários

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