RTDETRv2 ve DAMO-YOLO: Gerçek Zamanlı Nesne Algılamaya Derinlemesine Bir Bakış

Bilgisayar görüşü alanı hızla gelişiyor ve araştırmacılar sürekli olarak çıkarım hızı ve algılama doğruluğu arasındaki sınırları zorluyor. Bu alandaki iki önemli yarışmacı, Baidu'nun transformer tabanlı modeli RTDETRv2 ve Alibaba'nın yüksek düzeyde optimize edilmiş evrişimsel ağı DAMO-YOLO'dur. Bu teknik karşılaştırma, bu modellerin farklı mimari felsefelerini, performans metriklerini ve ideal uygulama senaryolarını incelemektedir.

Performans Kıyaslamaları: Hız - Doğruluk Karşılaştırması

Bir nesne algılama modeli seçerken, temel ödünleşme genellikle Ortalama Ortalama Hassasiyet (mAP) ve gecikme süresi arasında olur. Aşağıdaki veriler, COCO doğrulama veri kümesinde RTDETRv2 ve DAMO-YOLO arasındaki performans farklılıklarını vurgulamaktadır.

Model	boyut ^(piksel)	mAP^val 50-95	Hız ^{CPU ONNX (ms)}	Hız ^{T4 TensorRT10 (ms)}	parametreler ^(M)	FLOP'lar ^(B)
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

DAMO-YOLOt	640	42.0	-	2.32	8.5	18.1
DAMO-YOLOs	640	46.0	-	3.45	16.3	37.8
DAMO-YOLOm	640	49.2	-	5.09	28.2	61.8
DAMO-YOLOl	640	50.8	-	7.18	42.1	97.3

Veriler, tasarım felsefesinde açık bir ayrım ortaya koymaktadır. DAMO-YOLO, kısıtlı uç nokta bilişimi ortamları için uygun, olağanüstü düşük gecikme süresi elde eden 'Tiny' varyantı ile ham hıza ve verimliliğe öncelik verir. Tersine, RTDETRv2, en büyük varyantı ile dikkate değer bir 54,3 mAP elde ederek maksimum doğruluk için çabalar ve bu da onu hassasiyetin çok önemli olduğu görevler için üstün kılar.

RTDETRv2: Transformer Güç Merkezi

RTDETRv2, Algılama Dönüştürücüsü (DETR) mimarisinin başarısı üzerine kurulmuştur ve küresel bağlamı yakalama yeteneklerini korurken, genellikle vizyon dönüştürücüleriyle ilişkili yüksek hesaplama maliyetini ele alır.

Yazarlar: Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang ve Yi Liu
Kuruluş:Baidu
Tarih: 2023-04-17 (İlk), 2024-07-24 (v2 Güncellemesi)
Arxiv:RT-DETRv2: Ücretsiz Ekstralarla Geliştirilmiş Temel Çizgi
GitHub:RT-DETRv2 Deposu

Mimari ve Yetenekler

RTDETRv2, çok ölçekli özellikleri verimli bir şekilde işleyen hibrit bir kodlayıcı kullanır. Geleneksel CNN tabanlı YOLO modellerinden farklı olarak, RTDETR, Non-Maximum Suppression (NMS) işlem sonrası işlemeye olan ihtiyacı ortadan kaldırır. Bu uçtan uca yaklaşım, dağıtım hattını basitleştirir ve kalabalık sahnelerde gecikme değişkenliğini azaltır.

Model, ölçek içi etkileşimi ve ölçekler arası füzyonu ayrıştıran ve standart DETR modellerine kıyasla hesaplama ek yükünü önemli ölçüde azaltan verimli bir hibrit kodlayıcı kullanır. Bu tasarım, oklüzyonun standart konvolüsyonel dedektörleri karıştırabileceği karmaşık ortamlardaki nesneleri tanımlamada mükemmel olmasını sağlar.

Transformatör Bellek Kullanımı

RTDETRv2 yüksek doğruluk sunsa da, Transformer mimarilerinin genellikle CNN'lere kıyasla eğitim sırasında önemli ölçüde daha fazla CUDA belleği tükettiğini belirtmek önemlidir. Sınırlı GPU VRAM'ine sahip kullanıcılar, YOLO11 gibi verimli alternatiflere kıyasla bu modelleri eğitmekte zorlanabilir.

RTDETR hakkında daha fazla bilgi edinin

DAMO-YOLO: Verimlilik için Optimize Edilmiş

DAMO-YOLO, özellik çıkarımı ve birleştirme için en verimli yapıları bulmak üzere Neural Architecture Search (NAS)'ten yararlanarak mimari optimizasyona titiz bir yaklaşımı temsil eder.

Yazarlar: Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang ve Xiuyu Sun
Kuruluş:Alibaba Group
Tarih: 2022-11-23
Arxiv:DAMO-YOLO: Gerçek Zamanlı Nesne Algılama Tasarımı Üzerine Bir Rapor
GitHub:DAMO-YOLO Deposu

Temel Mimari Yenilikler

DAMO-YOLO, hız-doğruluk dengesini en üst düzeye çıkarmak için çeşitli gelişmiş teknolojileri entegre eder:

MAE-NAS Backbone: Her parametrenin özellik çıkarımına etkin bir şekilde katkıda bulunmasını sağlayan, Yöntem Farkındalıklı Verimli Sinirsel Mimari Arama yoluyla keşfedilen bir backbone kullanır.
RepGFPN: Minimum hesaplama maliyetiyle ölçekler arası özellikleri birleştiren, çıkarım hızlarını durdurmadan küçük nesnelerin detection'ını geliştiren özel bir katman tasarımı.
ZeroHead: Son tahmin katmanlarının karmaşıklığını azaltan basitleştirilmiş bir detect başlığı.

Bu model, endüstriyel montaj hatları veya yüksek hızlı trafik izleme gibi milisaniyelerin önemli olduğu yüksek verimlilik gerektiren senaryolarda özellikle güçlüdür.

DAMO-YOLO hakkında daha fazla bilgi edinin

Gerçek Dünya Uygulama Senaryoları

Bu iki model arasında seçim yapmak genellikle dağıtım ortamının özel kısıtlamalarına bağlıdır.

Ne Zaman RTDETRv2 Seçmeli

RTDETRv2, doğruluğun pazarlık konusu olmadığı ve donanım kaynaklarının bol olduğu uygulamalar için tercih edilen seçimdir.

Tıbbi Görüntüleme: Bir tıbbi görüntü analizinde bir tespiti kaçırmak (yanlış negatif) ciddi sonuçlara yol açabilir. RTDETRv2'nin yüksek mAP değeri, onu X-ışınları veya MRG taramalarındaki anormallikleri detect etmek için uygun hale getirir.
Detaylı Gözetim: Yüz tanıma gerektiren veya uzaktan küçük ayrıntıları tanımlayan güvenlik sistemleri için, transformatör mimarisinin global bağlam yetenekleri belirgin bir avantaj sağlar.

Ne Zaman DAMO-YOLO Seçmeli

DAMO-YOLO, kaynak kısıtlı ortamlarda veya ultra düşük gecikme süresi gerektiren uygulamalarda parlar.

Robotik: Pille çalışan gömülü cihazlarda görsel verileri işleyen otonom mobil robotlar için, DAMO-YOLO'nun verimliliği gerçek zamanlı yanıt verme olanağı sağlar.
Yüksek Hızlı Üretim: Üretim otomasyonunda, hızlı hareket eden konveyör bantlarındaki kusurları detect etmek, DAMO-YOLO-tiny ve küçük varyantların sağladığı hızlı çıkarım hızlarını gerektirir.

Ultralytics'in Avantajı: YOLO11 Neden En İyi Seçim?

RTDETRv2 ve DAMO-YOLO ilgi çekici özellikler sunsa da, Ultralytics YOLO11 performans, kullanılabilirlik ve ekosistem desteğini dengeleyen bütünsel bir çözüm sunarak çoğu geliştirici ve araştırmacı için üstün bir seçim haline gelmektedir.

Rakipsiz Ekosistem ve Kullanılabilirlik

Araştırma modellerini benimsemedeki en önemli engellerden biri, kod tabanlarının karmaşıklığıdır. Ultralytics, birleşik, kullanıcı dostu bir Python API ile bu sürtünmeyi ortadan kaldırır. İster örnek segmentasyonu, ister poz tahmini veya sınıflandırma yapıyor olun, iş akışı tutarlı ve sezgisel kalır.

from ultralytics import YOLO

# Load a model (YOLO11 offers various sizes: n, s, m, l, x)
model = YOLO("yolo11n.pt")

# Train the model with a single line of code
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Run inference on an image
results = model("path/to/image.jpg")

Görevler Arası Çok Yönlülük

Öncelikle tespiti hedefleyen DAMO-YOLO'nun aksine, YOLO11 çok yönlü bir platformdur. Havadan görüntüleme ve belge analizi için çok önemli olan Yönlendirilmiş Sınırlayıcı Kutu (OBB) tespiti de dahil olmak üzere, kutudan çıkar çıkmaz çok çeşitli bilgisayar görüşü görevlerini destekler. Bu çok yönlülük, ekiplerin birden fazla proje gereksinimi için tek bir çerçevede standartlaşmasına olanak tanır.

Eğitim Verimliliği ve Bellek Yönetimi

YOLO11, verimlilik için tasarlanmıştır. Genellikle RTDETRv2 gibi transformatör tabanlı modellere kıyasla eğitim için daha az GPU belleği (VRAM) gerektirir. Bu verimlilik, donanım engelini düşürerek geliştiricilerin tüketici sınıfı GPU'larda son teknoloji modelleri eğitmesine veya Ultralytics ekosistemi aracılığıyla bulut kaynaklarını etkili bir şekilde kullanmasına olanak tanır. Ayrıca, kapsamlı önceden eğitilmiş ağırlık kitaplığı, aktarımlı öğrenmenin hızlı ve etkili olmasını sağlayarak yapay zeka çözümleri için pazara sunma süresini önemli ölçüde kısaltır.

Sektörle birlikte gelişen, sağlam, iyi yönetilen ve yüksek performanslı bir çözüm arayanlar için Ultralytics YOLO11 önerilen standart olmaya devam ediyor.

Diğer Karşılaştırmaları İnceleyin

Bu modellerin daha geniş bilgisayar görüşü alanına nasıl uyduğunu daha iyi anlamak için, bu ilgili karşılaştırmaları keşfedin: