YOLOv5 . RT-DETRv2: Uma comparação técnica de detetores de objetos em tempo real

A evolução da deteção de objetos em tempo real foi definida por dois grandes paradigmas arquitetónicos: a YOLO baseada em redes neurais convolucionais (CNN) e os modelos de deteção baseados em transformadores. Esta comparação explora as diferenças técnicas entre Ultralytics YOLOv5, o detetor baseado em CNN padrão da indústria, e RT-DETRv2, uma iteração recente do Transformer de detecção em tempo real projetado para desafiar o domínio tradicional da CNN.

Ambos os modelos visam resolver o desafio crítico de equilibrar a velocidade de inferência com alta precisão, mas abordam esse objetivo usando metodologias fundamentalmente diferentes.

Ultralytics YOLOv5: O Padrão da Indústria

YOLOv5 um dos modelos de visão computacional mais amplamente implementados globalmente devido ao seu equilíbrio excepcional entre velocidade, precisão e praticidade de engenharia. Lançado em meados de 2020 pela Ultralytics, ele redefiniu a usabilidade no espaço da IA, tornando a detecção de última geração acessível a engenheiros e investigadores por meio de uma Python integrada.

• Autores: Glenn Jocher
• Organização:Ultralytics
• Data: 2020-06-26
• GitHub:https://github.com/ultralytics/yolov5
• Documentação:https://docs.ultralytics.com/models/yolov5/

Saiba mais sobre o YOLOv5

Arquitetura e Design

YOLOv5 uma espinha dorsal CSPDarknet, que integra redes Cross Stage Partial para melhorar o fluxo de gradiente e reduzir o custo computacional. O seu pescoço utiliza uma PANet (Path Aggregation Network) para uma agregação eficaz da pirâmide de características, garantindo que as características de diferentes escalas sejam fundidas de forma eficiente.

As principais características arquitetônicas incluem:

• Detecção baseada em âncoras: usa caixas de âncora predefinidas para prever a localização de objetos, um método comprovado para localização robusta.
• Aumento de dados em mosaico: uma técnica de treino que une quatro imagens, ensinando o modelo a detect em contextos e escalas variados.
• Ativação SiLU: Funções de ativação mais suaves que melhoram a convergência da rede neural profunda em comparação com a ReLU tradicional.

Pontos fortes na implementação

YOLOv5 pela facilidade de uso. Seu fluxo de trabalho "zero-to-hero" permite que os desenvolvedores passem do conjunto de dados ao modelo implementado em questão de minutos. O Ultralytics oferece suporte a isso com ferramentas integradas para anotação de dados, treinamento em nuvem e exportação com um clique para formatos como ONNX, TensorRTe CoreML.

Ao contrário dos modelos transformadores, que podem consumir muita memória, YOLOv5 requisitos de memória significativamente mais baixos durante o treinamento. Essa eficiência permite que ele seja executado em GPUs de nível consumidor e até mesmo em dispositivos de ponta, como o NVIDIA , tornando-o altamente versátil para aplicações do mundo real, que vão desde a conservação da vida selvagem até a análise de varejo.

RT-DETRv2: O Desafiante do Transformador

RT-DETRv2 Real-Time Detection Transformer versão 2) baseia-se no sucesso do RT-DETR original, com o objetivo de trazer a precisão dos transformadores para velocidades em tempo real. Ele aborda o alto custo computacional normalmente associado aos Vision Transformers (ViTs) através da otimização da estrutura do codificador-decodificador.

• Autores: Wenyu Lv, Yian Zhao, et al.
• Organização: Baidu
• Data: 17/04/2023 (v1), 24/07/2024 (v2)
• Arxiv:https://arxiv.org/abs/2304.08069
• GitHub:RT-DETR

Saiba mais sobre o RT-DETR

Arquitetura e Design

RT-DETRv2 uma arquitetura híbrida que combina uma estrutura CNN (normalmente ResNet ou HGNet) com um codificador-decodificador transformador eficiente.

• Codificador híbrido: Desacopla a interação intraescala e a fusão entre escalas para reduzir a sobrecarga computacional.
• Seleção de consultasIoU: melhora a inicialização de consultas de objetos, priorizando recursos de alta confiança.
• Sem âncora: prevê caixas delimitadoras diretamente, sem âncoras predefinidas, simplificando teoricamente o cabeçalho de saída.
• NMS: Um importante argumento de venda é a eliminação da supressão não máxima (NMS), que pode reduzir a variação da latência no pós-processamento.

Considerações sobre a Implementação

Embora RT-DETRv2 precisão competitiva, ele exige mais recursos. O treinamento de modelos baseados em transformadores geralmente requer mais GPU e tempos de treinamento mais longos em comparação com CNNs como YOLOv5. Além disso, embora a remoção do NMS vantajosa para a estabilidade da latência, as pesadas multiplicações de matrizes nas camadas de atenção podem ser mais lentas em hardware mais antigo ou dispositivos de ponta que não possuem tensor dedicados.

Comparação de Métricas de Desempenho

A tabela a seguir compara o desempenho do YOLOv5 RT-DETRv2 conjunto de dados COCO . Enquanto RT-DETRv2 alta precisão (mAP), YOLOv5 oferece uma relação velocidade por parâmetro superior, especialmente em hardware padrão.

Principais Diferenças e Casos de Uso

1. Eficiência do treino e ecossistema

Uma das vantagens mais significativas do Ultralytics YOLOv5 é a sua eficiência de treino. A capacidade de treinar eficazmente em conjuntos de dados menores com hardware menos potente democratiza o acesso à IA. A Ultralytics integrada permite aos utilizadores visualizar métricas de treino, gerir conjuntos de dados e implementar modelos de forma integrada.

Em contrapartida, o treinamento RT-DETRv2 requer mais CUDA e épocas de treinamento prolongadas para atingir a convergência, devido à natureza dos mecanismos de atenção do transformador. Para desenvolvedores que iteram rapidamente, os ciclos de treinamento rápidos do YOLOv5 um grande impulsionador da produtividade.

2. Versatilidade

YOLOv5 não YOLOv5 apenas um detetor de objetos. A Ultralytics amplia as suas capacidades para:

• Segmentação de instâncias: segmentação de objetos ao nível do pixel.
• Classificação de imagens: categorizar imagens inteiras de forma eficiente.
• Estimativa de Pose: Detecção de pontos-chave em corpos humanos.

Essa versatilidade significa que uma única biblioteca pode alimentar um conjunto completo de aplicações, desde análises desportivas até imagens médicas, reduzindo a complexidade do código e os custos de manutenção. RT-DETRv2 principalmente na detecção, com suporte menos maduro para essas tarefas auxiliares num fluxo de trabalho unificado.

3. CPU borda e CPU

Para implementação em CPUs (comuns em câmaras IP ou funções na nuvem) ou dispositivos móveis, a arquitetura CNN YOLOv5 é altamente otimizada. Suporta exportação para TFLite e CoreML com amplo suporte à quantização. Modelos Transformer como RT-DETRv2 ter dificuldades com a latência emGPU devido a operações matriciais complexas que não são facilmente aceleradas por CPU padrão CPU .

Recomendação: A Vantagem Ultralytics

Embora RT-DETRv2 resultados académicos impressionantes, YOLO Ultralytics oferecem uma solução mais holística para sistemas de produção. O ecossistema bem mantido, que garante compatibilidade com as Python mais recentes Python , controladores de hardware e formatos de exportação, proporciona tranquilidade para projetos de longo prazo.

Para aqueles que iniciam novos projetos em 2026, recomendamos fortemente considerar o Ultralytics YOLO26.

Por que Escolher o YOLO26?

O YOLO26 representa o auge da eficiência, combinando as melhores características das CNNs e dos Transformers.

• Nativamente ponta a ponta: tal como RT-DETRv2, o YOLO26 NMS requer NMS, simplificando os pipelines de implementação.
• MuSGD Optimizer: Um otimizador híbrido inovador para convergência e estabilidade mais rápidas.
• Otimização de borda: Projetado especificamente para CPU até 43% mais rápida em comparação com as gerações anteriores.
• Remoção de DFL: Funções de perda simplificadas para melhor exportabilidade para dispositivos de ponta.

Saiba mais sobre YOLO26

Exemplo de Código: Executando YOLOv5

A simplicidade da Ultralytics é um dos principais motivos para a sua ampla adoção. Veja como é fácil carregar e executar inferências.

import torch

# Load the YOLOv5s model from PyTorch Hub
model = torch.hub.load("ultralytics/yolov5", "yolov5s", pretrained=True)

# Define an image URL or local path
img = "https://ultralytics.com/images/zidane.jpg"

# Perform inference
results = model(img)

# Print results to the console
results.print()

# Show the image with bounding boxes
results.show()

Para comparação, Ultralytics suporta RT-DETR através da mesma interface simples:

from ultralytics import RTDETR

# Load a pre-trained RT-DETR model
model = RTDETR("rtdetr-l.pt")

# Run inference on an image
results = model("https://ultralytics.com/images/bus.jpg")

# Display the results
for result in results:
    result.show()

Conclusão

Tanto YOLOv5 RT-DETRv2 modelos capazes. RT-DETRv2 um vislumbre do futuro da detecção baseada em transformadores com sua arquitetura NMS e alta precisão. No entanto, YOLOv5 continua a ser uma potência para implementações práticas e reais, oferecendo velocidade incomparável em dispositivos de ponta, custos de recursos mais baixos e um rico ecossistema de ferramentas.

Para os programadores que desejam o «melhor dos dois mundos» — a velocidade das CNNs e a conveniência dos transformadores NMS —,Ultralytics é a escolha definitiva para 2026 e além.

Recursos Adicionais

• Documentação do YOLOv5
• RT-DETR
• Plataforma Ultralytics
• YOLO26: O Novo Padrão

Comentários