Começar

YOLOv7 vs YOLOv10

A área de visão computacional avançou rapidamente nos últimos anos, com a família de modelos YOLO (You Only Look Once) liderando o progresso na detecção de objetos em tempo real. Escolher a arquitetura certa para teus projetos de visão computacional exige uma compreensão clara das opções disponíveis. Esta comparação técnica aborda as principais diferenças entre duas arquiteturas marcantes: YOLOv7 e YOLOv10.

Introdução aos modelos#

Ambos os modelos representam marcos importantes na detecção de objetos, mas adotam abordagens fundamentalmente diferentes para resolver os desafios dessa tarefa.

YOLOv7: Pioneiro das Técnicas Bag-of-Freebies#

Lançado em 6 de julho de 2022 pelos pesquisadores Chien-Yao Wang, Alexey Bochkovskiy e Hong-Yuan Mark Liao, do Institute of Information Science, Academia Sinica, o YOLOv7 introduziu novas maneiras de otimizar detectores em tempo real. A pesquisa original, detalhada em seu artigo acadêmico e hospedada no repositório oficial no GitHub, concentrou-se fortemente na reparametrização arquitetônica e em uma “bag-of-freebies” treinável.

O YOLOv7 aproveita uma rede estendida de agregação eficiente de camadas (E-ELAN) para orientar a rede no aprendizado de recursos diversos sem destruir o caminho do gradiente original. Isso faz dele uma opção robusta para benchmarks de pesquisa acadêmica e sistemas que dependem bastante de GPUs padrão de ponta.

Saiba mais sobre o YOLOv7

YOLOv10: detecção de ponta a ponta em tempo real#

Desenvolvido por Ao Wang e colegas da Universidade Tsinghua, o YOLOv10 foi lançado em 23 de maio de 2024. Conforme detalhado em sua publicação no arXiv e no repositório do Tsinghua no GitHub, esse modelo elimina um gargalo antigo da detecção de objetos: a supressão não máxima (NMS).

O YOLOv10 introduziu atribuições duplas consistentes para treinamento sem NMS, modificando o pipeline de pós-processamento. Seu design holístico de modelo, orientado à eficiência e à precisão, reduz a redundância computacional, resultando em uma arquitetura adequada para dispositivos de borda que exigem baixa latência.

Sabe mais sobre o YOLOv10

Arquitetura sem NMS

A remoção da Supressão Não Máxima (NMS) no YOLOv10 permite exportar o modelo inteiro como um único grafo computacional. Isso simplifica a implantação com runtimes como TensorRT ou OpenVINO.

Comparação de desempenho e métricas#

Ao analisar o desempenho de um modelo, é importante avaliar as compensações entre precisão, velocidade e custo computacional. A tabela a seguir mostra como os diferentes tamanhos desses modelos se comparam.

Modelotamanho
(pixels)
mAPval50-95Velocidade
CPU ONNX
(ms)
Velocidade
T4 TensorRT10
(ms)
parâmetros
(M)
FLOPs
(B)
YOLOv7l64051.4-6.8436.9104.7
YOLOv7x64053.1-11.5771.3189.9
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

Análise das compensações#

As métricas acima revelam uma clara diferença geracional. Embora o YOLOv7x alcance um mAPval50-95 expressivo de 53.1%, ele exige 71.3M de parâmetros e 189.9B FLOPs. Em contrapartida, o YOLOv10l supera essa precisão (53.2% de mAP) usando cerca de um terço dos parâmetros (24.4M) e significativamente menos FLOPs (120.3B). Além disso, o YOLOv10n é executado em 1.84 ms numa GPU T4 com TensorRT, sendo uma boa opção para análise de vídeo em tempo real e aplicações móveis.

Casos de uso no mundo real#

As diferenças arquitetônicas entre esses modelos determinam seus casos de uso ideais.

Quando usar o YOLOv7#

A rica representação de características do YOLOv7 é adequada para cenas complexas em hardware com GPU. Casos de uso como monitoramento do fluxo de tráfego em áreas urbanas densas, análise de imagens de satélite ou identificação de defeitos em automação industrial pesada podem se beneficiar de sua arquitetura com reparametrização. Ele também continua sendo comum em ambientes legados construídos em torno de pipelines específicos do PyTorch 1.x.

Quando usar o YOLOv10#

O design leve e sem NMS do YOLOv10 é adequado para ambientes com recursos limitados, incluindo dispositivos de computação de borda, como módulos NVIDIA Jetson ou um Raspberry Pi. Seu desempenho de baixa latência o torna uma boa opção para aplicações rápidas, como análise esportiva, navegação autônoma de drones e classificação robótica de alta velocidade em esteiras.

A vantagem do ecossistema Ultralytics#

Embora ambos os modelos tenham fortes raízes acadêmicas, o YOLOv10 é mais fácil de treinar e implantar no ecossistema Ultralytics e na Ultralytics Platform. Desenvolver modelos de visão computacional do zero é difícil, e o ecossistema Ultralytics simplifica o fluxo de trabalho dos engenheiros de machine learning.

  • Facilidade de uso: a API Python da Ultralytics oferece uma interface unificada. Você pode treinar, validar e exportar modelos com apenas algumas linhas de código, evitando os conflitos de dependências comuns em repositórios acadêmicos.
  • Ecossistema bem mantido: a base de código da Ultralytics está em desenvolvimento ativo, e os usuários se beneficiam de integrações com ferramentas populares de ML, como Weights & Biases para registro de dados ou Gradio para demonstrações web rápidas.
  • Requisitos de memória: detectores de objetos baseados em Transformer costumam consumir grandes quantidades de memória CUDA durante o treinamento. Em contrapartida, os modelos YOLO da Ultralytics exigem muito menos memória, permitindo tamanhos de lote bem maiores em hardware de consumo.
  • Versatilidade: o pipeline da Ultralytics não se limita às caixas delimitadoras padrão. Ele oferece suporte a segmentação de instâncias, classificação de imagens, estimativa de pose e caixas delimitadoras orientadas nas famílias de modelos compatíveis, como YOLO11 e YOLOv8.

Exemplo de treinamento simplificado#

Executar um pipeline de treinamento com a Ultralytics é simples. Quer você use a velocidade sem NMS do YOLOv10 ou outro modelo compatível, a sintaxe permanece consistente (observe que o pacote Ultralytics não oferece suporte ao treinamento do YOLOv7):

from ultralytics import YOLO

# Carrega o modelo preferido (por exemplo, YOLOv10 Nano)
model = YOLO("yolov10n.pt")

# Treina o modelo com o conjunto de dados COCO8
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Executa uma previsão de inferência em uma imagem de exemplo
predictions = model.predict("https://ultralytics.com/images/bus.jpg")

# Exporta para um formato adequado para dispositivos de borda, como ONNX
model.export(format="onnx")

Casos de uso e recomendações#

A escolha entre YOLOv7 e YOLOv10 depende dos requisitos específicos do teu projeto, das restrições de implantação e das preferências de ecossistema.

Quando escolher o YOLOv7#

O YOLOv7 é uma boa opção 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 o YOLOv10#

O YOLOv10 é recomendado 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 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 futuro: apresentando o YOLO26#

Embora YOLOv7 e YOLOv10 sejam marcos impressionantes, a fronteira da IA está sempre avançando. Lançado em janeiro de 2026, Ultralytics YOLO26 é o modelo recomendado para eficiência e precisão em implantações de borda e na nuvem.

Se você está começando hoje um novo projeto de visão computacional, YOLO26 é a arquitetura recomendada. Ele se baseia em seus antecessores e traz várias inovações:

  • Design de ponta a ponta sem NMS: inspirado no YOLOv10, o cabeçalho opcional um para um do YOLO26 (nms=False) ignora o pós-processamento de NMS, proporcionando latência menor e mais consistente para robótica em tempo real.
  • Inferência na CPU até 43% mais rápida: ao remover o módulo Distribution Focal Loss (DFL), YOLO26 acelera a execução em hardware de borda sem GPU, com YOLO26n rodando até 43% mais rápido na CPU do que YOLO11n, o que o torna uma boa opção para dispositivos IoT.
  • Otimizador MuSGD: inspirado em inovações recentes no treinamento de grandes modelos de linguagem, YOLO26 incorpora uma combinação híbrida de SGD e Muon para obter um treinamento mais estável e uma convergência mais rápida.
  • ProgLoss + STAL: a perda progressiva e a atribuição de rótulos consciente de alvos pequenos melhoram o reconhecimento de objetos pequenos, superando uma deficiência histórica das gerações mais antigas do YOLO.
  • Versatilidade multitarefa: YOLO26 abrange detecção, segmentação de instâncias, segmentação semântica, estimativa de profundidade, classificação, estimativa de pose e OBB, com otimizações específicas para cada tarefa, como Residual Log-Likelihood Estimation (RLE) para estimativa de pose e perdas angulares especializadas para detecção precisa de OBB em imagens aéreas.

Para engenheiros que buscam o melhor equilíbrio entre velocidade, precisão e simplicidade de implantação, YOLO26 é a evolução natural dos modelos legados.

Colaboradores

Comentários

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