YOLOv8 vs RTDETRv2
O panorama da visão computacional está em constante evolução, com novas arquiteturas a expandir as possibilidades da deteção de objetos em tempo real. Dois modelos proeminentes que têm recebido bastante atenção são o Ultralytics YOLOv8 e o RTDETRv2 da Baidu. Este guia apresenta uma comparação técnica dos dois modelos, explorando as suas arquiteturas, métricas de desempenho e cenários ideais de implantação.
Visão geral do YOLOv8#
O Ultralytics YOLOv8 é um marco importante na família de modelos YOLO (You Only Look Once), que combina velocidade, precisão e facilidade de uso em várias tarefas.
Principais características:
- Autores: Glenn Jocher, Ayush Chaurasia e Jing Qiu
- Organização: Ultralytics
- Data: 10 de janeiro de 2023
- GitHub: Repositório da Ultralytics
- Documentação: Documentação do YOLOv8
Arquitetura e pontos fortes#
O YOLOv8 introduz uma arquitetura simplificada que otimiza tanto a extração de características como a regressão de caixas delimitadoras. É um detetor sem âncoras, o que simplifica a cabeça de previsão e reduz o número de ajustes de hiperparâmetros necessários durante o treino. Isto proporciona ao YOLOv8 um forte equilíbrio entre a velocidade de inferência e a precisão média média (mAP), tornando-o adequado à implantação no mundo real tanto em dispositivos edge como em servidores na nuvem.
O YOLOv8 também tem menores requisitos de memória durante o treino do que as arquiteturas baseadas em Transformer, permitindo que os programadores treinem modelos em GPUs de consumo comuns sem ficarem sem memória.
Versatilidade#
Um dos pontos fortes mais marcantes do YOLOv8 é sua versatilidade nativa. Enquanto muitos modelos se concentram apenas em caixas delimitadoras, o YOLOv8 oferece suporte pronto para uso à detecção de objetos, à segmentação de instâncias, à classificação de imagens, à estimativa de pose e à detecção de caixas delimitadoras orientadas (OBB).
Visão geral do RTDETRv2#
O RTDETRv2 (Transformer de deteção em tempo real, versão 2) baseia-se no RT-DETR original e procura trazer os mecanismos de atenção dos Transformers de visão para aplicações de deteção de objetos em tempo real.
Principais características:
- Autores: Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang e Yi Liu
- Organização: Baidu
- Data: 2024-07-24
- arXiv: 2407.17140
- GitHub: Repositório RT-DETR
- Documentação: README do RTDETRv2
Arquitetura e pontos fortes#
O RTDETRv2 utiliza uma arquitetura híbrida que combina um backbone de rede neural convolucional (CNN) com uma estrutura de codificador-descodificador Transformer. Isto permite ao modelo captar relações espaciais complexas e contexto global através de mecanismos de autoatenção. Ao utilizar um conjunto de estratégias de treino «bag-of-freebies», o RTDETRv2 alcança pontuações mAP competitivas em conjuntos de dados de referência padrão, como o conjunto de dados COCO.
Pontos fracos#
Apesar da sua elevada precisão, a natureza do RTDETRv2 baseada em Transformer implica maior consumo de memória e tempos de treino mais longos em comparação com arquiteturas CNN puras. Os Transformers normalmente precisam de mais VRAM, o que dificulta o treino em hardware com recursos limitados. Além disso, embora o RTDETRv2 tenha um bom desempenho na deteção, não oferece o suporte multitarefa (como segmentação e estimativa de pose) integrado no ecossistema Ultralytics.
Comparação de desempenho#
Ao avaliar modelos para produção, o equilíbrio entre tamanho do modelo, velocidade de inferência e precisão é crucial. A tabela abaixo apresenta uma comparação direta entre variantes do YOLOv8 e do RTDETRv2.
| Modelo | tamanho (pixels) | mAPval50-95 | Velocidade CPU ONNX (ms) | Velocidade T4 TensorRT10 (ms) | parâmetros (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLOv8n | 640 | 37.3 | 80.4 | 1.47 | 3.2 | 8.7 |
| YOLOv8s | 640 | 44.9 | 128.4 | 2.66 | 11.2 | 28.6 |
| YOLOv8m | 640 | 50.2 | 234.7 | 5.86 | 25.9 | 78.9 |
| YOLOv8l | 640 | 52.9 | 375.2 | 9.06 | 43.7 | 165.1 |
| YOLOv8x | 640 | 53.9 | 479.1 | 14.37 | 68.2 | 257.8 |
| RTDETRv2-s | 640 | 48.1 | - | 5.03 | 20 | 60 |
| RTDETRv2-m | 640 | 51.9 | - | 7.51 | 36 | 100 |
| RTDETRv2-l | 640 | 53.4 | - | 9.76 | 42 | 136 |
| RTDETRv2-x | 640 | 54.3 | - | 15.03 | 76 | 259 |
Casos de uso e recomendações#
A escolha entre YOLOv8 e RT-DETR depende dos requisitos específicos do teu projeto, das restrições de implantação e das preferências de ecossistema.
Quando escolher o YOLOv8#
O YOLOv8 é uma ótima opção para:
- Implantação versátil e multitarefa: Projetos que exigem um modelo comprovado para detecção, segmentação, classificação e estimativa de pose no ecossistema Ultralytics.
- Sistemas de produção estabelecidos: Ambientes de produção existentes já baseados na arquitetura YOLOv8, com pipelines de implantação estáveis e bem testados.
- Amplo suporte da comunidade e do ecossistema: Aplicações que se beneficiam dos extensos tutoriais, integrações de terceiros e recursos da comunidade ativa do YOLOv8.
Quando escolher o RT-DETR#
O RT-DETR é recomendado para:
- Pesquisa em deteção baseada em Transformer: projetos que exploram mecanismos de atenção e arquiteturas Transformer para deteção de objetos de 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.
- 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.
A vantagem da Ultralytics#
A escolha de um modelo vai além das métricas de desempenho bruto; o ecossistema de software envolvente é essencial para a produtividade dos programadores. O ecossistema Ultralytics foi concebido para ser fácil de usar e oferece uma API unificada de Python que simplifica todo o ciclo de vida do machine learning.
Desde a gestão de conjuntos de dados até ao treino distribuído, a Ultralytics trata do complexo código boilerplate. Os programadores beneficiam de pesos pré-treinados disponíveis e de integrações com plataformas como a Hugging Face e ferramentas de monitorização de experiências. O ecossistema está em desenvolvimento ativo, é atualizado frequentemente e conta com o apoio de uma grande comunidade.
Os modelos Ultralytics YOLO também são otimizados para convergência rápida e menor consumo de memória durante o processo de treino, o que acelera a experimentação em comparação com detetores baseados em Transformer, como o RTDETRv2.
Perspetivas futuras: o poder do YOLO26#
O YOLOv8 continua a ser um modelo sólido, mas, para novos projetos, a Ultralytics recomenda o YOLO26, lançado em janeiro de 2026, que acrescenta várias melhorias:
- Design de ponta a ponta sem NMS: a cabeça opcional um-para-um do YOLO26 (
nms=False) elimina o pós-processamento de supressão não máxima (NMS), resultando em fluxos de trabalho de implantação mais rápidos e determinísticos. - Remoção de DFL: remover a Distribution Focal Loss simplifica o modelo, melhorando a compatibilidade com dispositivos edge e de baixo consumo.
- Otimizador MuSGD: inspirado no treino de LLM, o MuSGD (um híbrido de SGD e Muon) proporciona sessões de treino mais estáveis e convergência mais rápida.
- Inferência na CPU até 43% mais rápida: o YOLO26n é até 43% mais rápido do que o YOLO11n na inferência ONNX na CPU, sendo adequado a ambientes sem GPUs dedicadas.
- ProgLoss + STAL: A Perda Progressiva e a Atribuição de Rótulos Sensível a Alvos Pequenos proporcionam melhorias notáveis no reconhecimento de objetos pequenos, essencial para imagens aéreas e robótica.
Entre as outras alternativas modernas da gama Ultralytics que vale a pena explorar está o YOLO11, que continua a ser uma opção sólida para projetos existentes, embora o YOLO26 seja recomendado para novas implantações.
Exemplo de código: treino e inferência#
A simplicidade da API Ultralytics permite carregar, treinar e implantar modelos com apenas algumas linhas de código Python. Verifica se o PyTorch está instalado antes de executar o exemplo a seguir.
from ultralytics import YOLO
# Carrega um modelo YOLOv8 small pré-treinado
model = YOLO("yolov8s.pt")
# Treina o modelo com o teu conjunto de dados personalizado
# O treinamento com uso eficiente de memória permite tamanhos de lote maiores
train_results = model.train(data="coco8.yaml", epochs=50, imgsz=640, batch=16)
# Executa a inferência em uma imagem de teste
results = model("https://ultralytics.com/images/bus.jpg")
# Apresenta os resultados
results[0].show()
# Exportar para implantação em dispositivos de borda
export_path = model.export(format="onnx")A Ultralytics permite exportações com um único comando para inúmeros formatos, incluindo ONNX, TensorRT e CoreML, simplificando as opções de implantação de modelos em diversas arquiteturas de hardware.
Conclusão#
Tanto o YOLOv8 como o RTDETRv2 oferecem capacidades atraentes para a deteção de objetos em tempo real. O RTDETRv2 demonstra como os Transformers captam o contexto global, sendo adequado a tarefas de raciocínio espacial complexo nas quais a velocidade de inferência e a sobrecarga de memória não são as principais limitações.
No entanto, para os programadores que dão prioridade ao equilíbrio entre velocidade, precisão e eficiência de recursos, os modelos Ultralytics YOLO são a opção mais prática. O design leve, a facilidade de uso, o suporte multitarefa e o ecossistema open source ativo do YOLOv8 tornam-no adequado a ambientes de produção escaláveis. Para obter o melhor desempenho em edge, o YOLO26 acrescenta inferência sem NMS e velocidades superiores na CPU.
Comentários
Faz uma pergunta, partilha os teus resultados ou ajuda alguém.