RTDETRv2 ve EfficientDet: Kapsamlı Teknik Karşılaştırma

Bilgisayarlı görü alanının gelişen yapısında, doğru nesne algılama mimarisini seçmek proje başarısı için çok önemlidir. Bu karşılaştırma, gerçek zamanlı performans için tasarlanmış son teknoloji ürünü bir transformatör tabanlı model olan RTDETRv2 ve verimlilik için optimize edilmiş ölçeklenebilir bir evrişimli sinir ağları (CNN'ler) ailesi olan EfficientDet modelini inceliyor. Geliştiricilerin bilinçli kararlar vermesine yardımcı olmak için mimari yeniliklerini, performans metriklerini ve ideal dağıtım senaryolarını analiz ediyoruz.

Model Genel Bakışları

Bu iki model arasındaki seçim genellikle hedef donanımın özel kısıtlamalarına ve uygulamanın doğruluk gereksinimlerine iner.

RTDETRv2

RTDETRv2 (Gerçek Zamanlı Algılama Dönüştürücü v2), dönüştürücü mimarilerini gerçek zamanlı nesne algılamaya uygulamada önemli bir adımı temsil eder. Baidu'daki araştırmacılar tarafından geliştirilen bu model, orijinal RT-DETR'nin başarısı üzerine inşa edilmiştir ve GPU donanımında rekabetçi çıkarım hızlarıyla en son teknoloji doğruluğu elde etmek için hibrit kodlayıcıyı ve sorgu seçim mekanizmalarını optimize eder.

Yazarlar: Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang ve Yi Liu
Kuruluş:Baidu
Tarih: 2023-04-17
Arxiv:RT-DETR: DETR'ler Gerçek Zamanlı Nesne Tespiti Konusunda YOLO'ları Geride Bırakıyor
GitHub:RT-DETR Deposu
Belgeler:RT-DETRv2 Dökümantasyonu

RTDETR hakkında daha fazla bilgi edinin

EfficientDet

EfficientDet, Google Brain tarafından geliştirilmiş olup, model boyutlarını ölçeklendirmenin sistematik bir yolunu sunarak yayınlandığı anda alanda devrim yaratmıştır. EfficientNet backbone'unu ağırlıklı Çift Yönlü Özellik Piramidi Ağı (BiFPN) ile birleştirerek, çeşitli kaynak kısıtlamaları için oldukça çok yönlü hale getiren, hesaplama maliyetini doğrulukla değiştiren bir model yelpazesi (D0-D7) sunar.

Yazarlar: Mingxing Tan, Ruoming Pang ve Quoc V. Le
Kuruluş:Google Research
Tarih: 2019-11-20
Arxiv:EfficientDet: Ölçeklenebilir ve Verimli Nesne Algılama
GitHub:AutoML Deposu
Belgeler:EfficientDet Readme

EfficientDet hakkında daha fazla bilgi edinin

Mimari Analiz

Temel fark, temel yapı taşlarında yatmaktadır: biri transformer'ların global bağlamından yararlanırken, diğeri evrişimlerin verimliliğini artırır.

RTDETRv2: Transformer Gücü

RTDETRv2, çok ölçekli özellikleri verimli bir şekilde işleyen bir hibrit kodlayıcı kullanır. Geleneksel CNN'lerden farklı olarak, bir görüntünün en alakalı kısımlarına dikkati odaklamak için bir IoU farkında sorgu seçimi mekanizması kullanır. Bu, modelin tıkanıklık ve değişen nesne ölçekleriyle karmaşık sahneleri etkili bir şekilde işlemesini sağlar. Mimari, ölçek içi etkileşimi ve ölçekler arası füzyonu ayırarak, genellikle Vizyon Dönüştürücüleri (ViT) ile ilişkili hesaplama yükünü azaltır.

Transformatör Avantajları

RTDETRv2'deki dikkat mekanizması, küresel alıcı alanlara izin vererek modelin bir sahnedeki uzak nesneler arasındaki ilişkileri tipik CNN'lerden daha iyi anlamasını sağlar.

EfficientDet: Ölçeklenebilir Verimlilik

EfficientDet, EfficientNet backbone üzerine inşa edilmiştir ve BiFPN'yi sunar. BiFPN, farklı girdi özelliklerinin önemini öğrenerek kolay ve hızlı çok ölçekli özellik birleştirmeye olanak tanır. Ayrıca, EfficientDet, ağın çözünürlüğünü, derinliğini ve genişliğini eşit şekilde ölçeklendiren bileşik bir ölçeklendirme yöntemi kullanır. Bu, modelin mobil uygulamalar için hafif D0'dan yüksek doğruluklu sunucu görevleri için ağır D7'ye kadar uyarlanabilmesini sağlar.

Performans Karşılaştırması

Performans kıyaslamaları, tasarım felsefesinde belirgin bir ayrımı vurgulamaktadır. RTDETRv2, güçlü donanımlarda en yüksek doğruluğu hedeflerken, EfficientDet ayrıntılı bir verimlilik gradyanı sunar.

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

EfficientDet-d0	640	34.6	10.2	3.92	3.9	2.54
EfficientDet-d1	640	40.5	13.5	7.31	6.6	6.1
EfficientDet-d2	640	43.0	17.7	10.92	8.1	11.0
EfficientDet-d3	640	47.5	28.0	19.59	12.0	24.9
EfficientDet-d4	640	49.7	42.8	33.55	20.7	55.2
EfficientDet-d5	640	51.5	72.5	67.86	33.7	130.0
EfficientDet-d6	640	52.6	92.8	89.29	51.9	226.0
EfficientDet-d7	640	53.7	122.0	128.07	51.9	325.0

Tabloda belirtildiği gibi, RTDETRv2-x, TensorRT'de önemli ölçüde daha hızlı (15,03 ms'ye karşı 128,07 ms) olurken, en büyük EfficientDet-d7'den (53,7 mAP) bile daha iyi bir 54,3 mAP elde eder. Bununla birlikte, son derece kısıtlı ortamlar için EfficientDet-d0, minimum parametre (3,9M) ve FLOP'larla inanılmaz derecede hafif bir seçenek olmaya devam ediyor.

Güçlü ve Zayıf Yönler

RTDETRv2'nin Güçlü Yönleri:

High Accuracy: Özellikle zorlu COCO veri kümesinde üst düzey detect performansı sunar.
GPU Optimizasyonu: Mimari, yüksek düzeyde paralelleştirilebilirdir ve bu da onu NVIDIA GPU'larda TensorRT dağıtımı için ideal hale getirir.
Çapa Olmayan: Çapa kutusu ayarlama ihtiyacını ortadan kaldırarak eğitim hattını basitleştirir.

EfficientDet'in Güçlü Yönleri:

Ölçeklenebilirlik: D0-D7 aralığı, model boyutunun donanım özellikleriyle hassas bir şekilde eşleştirilmesini sağlar.
Düşük İşlem Gücü: Daha küçük varyantlar (D0-D2), yalnızca CPU çıkarımı veya mobil uç cihazlar için mükemmeldir.
Yerleşik: Çeşitli dönüştürme araçlarında yaygın desteğe sahip olgun mimari.

Zayıflıklar:

RTDETRv2: Eğitim için önemli miktarda CUDA belleği gerektirir ve dönüştürücü işlemlerinden dolayı CPU'larda genellikle daha yavaştır.
EfficientDet: Modern dedektörlere kıyasla yüksek doğruluk ucunda (D7) daha yüksek gecikme; eğitimin yakınsaması daha yavaş olabilir.

İdeal Kullanım Senaryoları

Doğru modeli seçmek büyük ölçüde belirli uygulama ortamına bağlıdır.

RTDETRv2'yi Seçin: Güçlü bir GPU'nun mevcut olduğu üst düzey gözetim, otonom sürüş veya endüstriyel denetim sistemleri için. İnce ayrıntıları ayırt edebilme özelliği, tıbbi üretimde hapları detect etmek veya karmaşık uydu görüntülerini analiz etmek gibi görevler için uygundur.
EfficientDet'i Seçin; pille çalışan IoT cihazları, mobil uygulamalar veya farklı donanım seviyelerinde geniş uyumluluk gerektiren senaryolar için. Maliyet ve güç tüketiminin öncelikli olduğu akıllı perakende envanter tarayıcılarına veya temel güvenlik alarm sistemlerine iyi uyum sağlar.

Ultralytics YOLO Avantajı

RTDETRv2 ve EfficientDet'in her ikisinin de avantajları olsa da, Ultralytics YOLO11, geliştirici dostu bir ekosistemde en iyi özelliklerinin etkileyici bir sentezini sunar.

Geliştiriciler Neden Ultralytics'i Tercih Ediyor

Ultralytics modelleri sadece kıyaslamalar için değil, gerçek dünya kullanılabilirliği için tasarlanmıştır.

Kullanım Kolaylığı: Ultralytics Python API ve CLI'ı, eğitim ve dağıtımın karmaşıklığını önemli ölçüde azaltır. Kullanıcılar, dakikalar içinde kurulumdan özel bir veri kümesi üzerinde eğitime geçebilir.
İyi Yönetilen Ekosistem: Gelişen bir topluluk ve sık güncellemelerle desteklenen Ultralytics çerçevesi, veri yönetimi için Weights & Biases, MLFlow ve Ultralytics HUB gibi MLOps araçlarıyla sorunsuz bir şekilde entegre olur.
Performans Dengesi: YOLO11, son teknoloji ürünü hız/doğruluk dengelerine ulaşır. Genellikle RTDETRv2 gibi transformer modellerinin doğruluğuyla eşleşir veya onu aşarken, CNN'lerin çıkarım hızı karakteristiğini korur.
Bellek Verimliliği: Transformatör tabanlı eğitimin ağır bellek gereksinimlerinin aksine, YOLO modelleri verimli GPU kullanımı için optimize edilmiştir ve tüketici sınıfı donanımda daha büyük toplu iş boyutlarına olanak tanır.
Çeşitlilik: Tek bir çerçeve Nesne Tespiti, Örnek Segmentasyonu, Poz Tahmini, Sınıflandırma ve Yönlendirilmiş Nesne Tespiti (OBB)'ni destekler.

Eğitim Verimliliği

Ultralytics, Transfer Öğrenimi'ni kolaylaştıran ve eğitim süresini önemli ölçüde azaltan önceden eğitilmiş ağırlıklar sağlar. İşte bir YOLO11 modelini eğitmeye başlamanın ne kadar basit olduğu:

from ultralytics import YOLO

# Load a pre-trained YOLO11 model
model = YOLO("yolo11n.pt")

# Train the model on the COCO8 dataset for 100 epochs
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

Basitleştirilmiş Dağıtım

Ultralytics modelleri, araştırmadan üretime giden yolu kolaylaştırarak tek bir komutla ONNX, TensorRT, CoreML ve OpenVINO gibi çok sayıda formata aktarılabilir. Dışa aktarma modları hakkında daha fazla bilgi edinin.

Sonuç

RTDETRv2 ve EfficientDet karşılaştırmasında, kazanan kısıtlamalarınıza bağlıdır. RTDETRv2, transformatörlerin hızlı olabileceğini kanıtlayarak yüksek doğruluklu, GPU hızlandırmalı ortamlarda öne çıkıyor. EfficientDet, yüksek oranda kısıtlanmış, düşük güçlü uç senaryoları için sağlam bir seçim olmaya devam ediyor.

Ancak, çok yönlü, kullanımı kolay ve yüksek performanslı bir çözüm arayan geliştiricilerin çoğu için Ultralytics YOLO11 öne çıkıyor. Tek, uyumlu bir ekosistem içinde birden fazla görüntü işleme görevini işleme yeteneği (üstün bellek verimliliği ve eğitim hızı ile birleştiğinde) onu modern bilgisayarlı görü uygulamaları için en uygun seçim haline getiriyor.

Diğer Karşılaştırmaları İnceleyin

Mevcut nesne algılama modelleri hakkındaki anlayışınızı genişletmek için, bu ilgili karşılaştırmaları incelemeyi düşünebilirsiniz: