YOLOv10 vs. YOLOv7
O rápido avanço da visão computacional nos últimos anos produziu arquiteturas cada vez mais eficientes para aplicações em tempo real. Comparar YOLOv10 e YOLOv7 destaca uma transição crucial nessa evolução. Enquanto YOLOv7 introduziu estratégias de treinamento muito eficazes e escalabilidade arquitetônica, YOLOv10 simplificou a implantação ao eliminar a dependência de longa data da supressão não máxima (NMS).
Ambos os modelos ampliaram os limites da detecção de objetos quando foram lançados; o ecossistema Ultralytics e modelos mais recentes, como YOLO26, agora oferecem fluxos de trabalho de treinamento e implantação mais simples.
Perfis e origens dos modelos#
Entender a origem desses modelos fornece um contexto valioso sobre as escolhas de design arquitetônico e a pesquisa acadêmica que as impulsionou.
Detalhes do YOLOv10#
- Autores: Ao Wang, Hui Chen, Lihao Liu, et al.
- Organização: Universidade Tsinghua
- Data: 2024-05-23
- arXiv: YOLOv10: detecção de objetos ponta a ponta em tempo real
- GitHub: THU-MIG/yolov10
- Documentação: Documentação do Ultralytics YOLOv10
Detalhes do YOLOv7#
- Autores: Chien-Yao Wang, Alexey Bochkovskiy e Hong-Yuan Mark Liao
- Organização: Instituto de Ciência da Informação, Academia Sinica, Taiwan
- Data: 2022-07-06
- arXiv: YOLOv7: conjunto de estratégias gratuitas treináveis estabelece um novo estado da arte
- GitHub: WongKinYiu/yolov7
- Documentação: Documentação do Ultralytics YOLOv7
Inovações arquiteturais#
A abordagem do YOLOv7#
Lançado em 2022, YOLOv7 concentrou-se fortemente na otimização dos caminhos dos gradientes. Ele introduziu a rede estendida de agregação eficiente de camadas (E-ELAN), que permitiu ao modelo aprender características mais diversas sem comprometer o caminho original dos gradientes. Além disso, os autores implementaram uma metodologia de "conjunto treinável de vantagens gratuitas", usando técnicas de reparametrização durante o treinamento que podiam ser fundidas durante a inferência para manter altas velocidades de execução. Apesar dessas otimizações, YOLOv7 ainda dependia de NMS no pós-processamento, causando latência variável na análise de cenas densas.
A abordagem do YOLOv10#
YOLOv10 abordou diretamente o gargalo do NMS. Ao introduzir atribuições duplas consistentes durante o treinamento, a equipe da Universidade Tsinghua possibilitou a detecção de ponta a ponta sem NMS. Essa abordagem de dois cabeçalhos usa um ramo com atribuições de um para muitos para fornecer sinais de supervisão ricos durante o treinamento e outro ramo com atribuições de um para um para realizar inferência sem NMS. Essa mudança arquitetônica proporciona latência de inferência consistente e baixa, adequada para análise de vídeo em alta velocidade. Além disso, YOLOv10 usa um design de modelo holístico, orientado à eficiência e à precisão, eliminando redundâncias computacionais presentes nas gerações anteriores.
A remoção do pós-processamento NMS acelera a inferência e simplifica a implantação em hardware de IA de borda, como aceleradores de IA e NPUs, nos quais pode ser difícil compilar operações NMS personalizadas.
Comparação de desempenho#
Ao comparar as métricas brutas no conjunto de dados MS COCO, fica evidente a diferença entre as gerações. O YOLOv10 oferece um equilíbrio muito mais favorável entre parâmetros, requisitos computacionais e precisão.
| 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 |
| YOLOv7l | 640 | 51.4 | - | 6.84 | 36.9 | 104.7 |
| YOLOv7x | 640 | 53.1 | - | 11.57 | 71.3 | 189.9 |
Como mostrado acima, YOLOv10x alcança mAP mais alto que YOLOv7x (54,4% contra 53,1%) usando menos da metade dos parâmetros (29,5M contra 71,3M). Os modelos Nano e Small leves do YOLOv10 também oferecem altas velocidades de implantação com TensorRT (1,84 ms e 2,49 ms em um T4), o que os torna atraentes para implantação na borda.
A vantagem do ecossistema Ultralytics#
Embora seja útil estudar artigos sobre arquitetura, o desenvolvimento moderno de visão computacional depende de frameworks com boa manutenção. Escolher um modelo compatível com a Ultralytics é uma grande vantagem para desenvolvedores que querem passar rapidamente do protótipo à produção.
Desenvolvimento simplificado#
YOLOv10 é compatível nativamente com o pacote Python padrão da Ultralytics, enquanto checkpoints do YOLOv7 treinados no projeto original só podem ser executados na Ultralytics após a exportação para ONNX ou TensorRT. O suporte nativo proporciona facilidade de uso, substituindo código repetitivo por uma API simples e intuitiva. Os modelos YOLO da Ultralytics também exigem menos memória CUDA durante o treinamento do que arquiteturas Transformer pesadas, permitindo tamanhos de lote maiores em hardware de consumo.
Versatilidade#
Embora repositórios mais antigos muitas vezes se concentrem exclusivamente na detecção de caixas delimitadoras, o framework Ultralytics oferece suporte a uma ampla gama de tarefas com modelos como YOLO26 e YOLO11. Seja para realizar segmentação de instâncias, estimativa de pose ou detecção de caixas delimitadoras orientadas (OBB), o fluxo de trabalho permanece o mesmo.
Exemplo de código: fluxos de trabalho de treinamento consistentes#
O trecho de código a seguir demonstra o processo de treinamento, que gerencia automaticamente o aumento de dados e o agendamento da taxa de aprendizado:
from ultralytics import YOLO
# Carrega o modelo desejado (por exemplo, YOLOv10 ou o recomendado YOLO26)
model = YOLO("yolo26n.pt")
# Treina o modelo com o teu conjunto de dados
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, batch=16, device=0)
# Exporta para o formato ONNX para uma implantação rápida
model.export(format="onnx")Casos de uso e recomendações#
A escolha entre YOLOv10 e YOLOv7 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 YOLOv7#
O YOLOv7 é recomendado para:
- Benchmarking acadêmico: reproduzir resultados de ponta de 2022 ou estudar os efeitos do E-ELAN e das técnicas de conjunto treinável de vantagens gratuitas.
- Pesquisa sobre reparametrização: investigar convoluções reparametrizadas planejadas e estratégias de escalabilidade composta de modelos.
- Pipelines personalizados existentes: projetos com pipelines altamente personalizados, construídos em torno da arquitetura específica do YOLOv7, que não podem ser refatorados facilmente.
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 somente com CPU: dispositivos sem aceleração dedicada por GPU, nos quais YOLO26n é até 43% mais rápido na CPU do que YOLO11n.
- Detecção de objetos pequenos: cenários desafiadores, como imagens aéreas capturadas por drones ou análise de sensores IoT, em que ProgLoss e STAL melhoram a precisão em objetos minúsculos.
O novo padrão: conheça o YOLO26#
YOLOv10 representou um grande avanço em 2024, mas a área evolui rapidamente. Para novos projetos, a Ultralytics recomenda o modelo de última geração, Ultralytics YOLO26. Lançado em janeiro de 2026, ele substitui YOLOv7 e YOLOv10 na IA visual em tempo real.
YOLO26 traz várias melhorias projetadas para ambientes de implantação modernos:
- Design de ponta a ponta sem NMS: com base nos fundamentos estabelecidos pelo YOLOv10, o cabeçalho opcional um para um do YOLO26 (
nms=False) ignora o pós-processamento NMS, simplificando os pipelines de implantação e mantendo uma velocidade de inferência consistente. - Inferência na CPU até 43% mais rápida: YOLO26n é até 43% mais rápido que YOLO11n na CPU, sendo adequado para computação de borda e dispositivos sem GPUs dedicadas, além de poder reduzir os custos de hardware.
- Remoção de DFL: remover Distribution Focal Loss (DFL) simplifica a lógica de exportação e melhora a compatibilidade com dispositivos de borda de baixo consumo.
- Otimizador MuSGD: inspirado no Kimi K2 da Moonshot AI, esse híbrido de SGD e Muon traz técnicas de treinamento de modelos de linguagem grandes (LLM) para a visão computacional, proporcionando treinamento mais estável e convergência mais rápida.
- ProgLoss + STAL: uma função de perda progressiva e uma estratégia de atribuição de rótulos sensível a alvos pequenos melhoram o reconhecimento de objetos pequenos, uma área historicamente desafiadora e essencial para drones, robótica e monitoramento de cidades inteligentes.
- Melhorias específicas para cada tarefa: YOLO26 não é apenas um detector. Ele adiciona uma função de perda de segmentação semântica que melhora a convergência da segmentação de instâncias, estimativa residual de log-verossimilhança (RLE) para uma estimativa de pose mais precisa e uma função de perda angular especializada que resolve problemas de limite em OBB.
Para gerenciar conjuntos de dados, treinar YOLO26 e implantar modelos na nuvem, explora a Ultralytics Platform. Sua interface sem código complementa o pacote Python.
Casos de uso no mundo real#
A escolha da arquitetura certa depende bastante do seu hardware e das restrições da aplicação.
Quando usar o YOLOv7#
YOLOv7 continua sendo uma opção confiável para manter pipelines legados já profundamente integrados às suas estruturas de tensores específicas ou para reproduzir benchmarks acadêmicos de 2022 e 2023. Ele tem bom desempenho em GPUs de servidor de alto desempenho.
Quando usar o YOLOv10#
YOLOv10 é adequado para cenários que exigem latência consistente. Como seu cabeçalho sem NMS evita o pós-processamento, cujo custo aumenta com o número de detecções, ele funciona bem na contagem de multidões densas ou na detecção de defeitos de fabricação, quando o número de objetos varia, mas o tempo de processamento por quadro precisa permanecer estável.
Quando usar o YOLO26#
YOLO26 é a opção recomendada para novos projetos. Desde a implantação de sistemas de alarme de segurança em um Raspberry Pi até a execução de análises de vídeo em grande escala na nuvem, sua inferência mais rápida na CPU e a detecção aprimorada de objetos pequenos lhe dão uma clara vantagem sobre as gerações anteriores.
Para desenvolvedores interessados em arquiteturas alternativas, a Ultralytics também oferece suporte a detectores baseados em Transformer, como RT-DETR, e a modelos anteriores, como Ultralytics YOLO11.
Comentários
Faz uma pergunta, partilha os teus resultados ou ajuda alguém.