Começar

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:

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:

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.

Saiba mais sobre o RTDETRv2

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.

Modelotamanho
(pixels)
mAPval50-95Velocidade
CPU ONNX
(ms)
Velocidade
T4 TensorRT10
(ms)
parâmetros
(M)
FLOPs
(B)
YOLOv8n64037.380.41.473.28.7
YOLOv8s64044.9128.42.6611.228.6
YOLOv8m64050.2234.75.8625.978.9
YOLOv8l64052.9375.29.0643.7165.1
YOLOv8x64053.9479.114.3768.2257.8
RTDETRv2-s64048.1-5.032060
RTDETRv2-m64051.9-7.5136100
RTDETRv2-l64053.4-9.7642136
RTDETRv2-x64054.3-15.0376259
Hardware e métricas

A inferência na CPU foi realizada com ONNX, enquanto as velocidades na GPU foram testadas com TensorRT em uma GPU NVIDIA T4.

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")
Pronto para implantação

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.