RTDETRv2 ve EfficientDet
En uygun sinir ağı mimarisini seçmek, her bilgisayarlı görü projesinin belirleyici kararlarından biridir. Bu teknik karşılaştırmada, gerçek zamanlı Transformer tabanlı bir algılayıcı olan RTDETRv2 ile ölçeklenebilirliği yüksek bir evrişimli sinir ağı olan EfficientDet dâhil, etkili iki nesne algılama modeli inceleniyor. Karşılaştırma, yapay zekâ işlem hatların için veriye dayalı kararlar vermene yardımcı olmak üzere bu modellerin mimarilerini, performans ölçütlerini, eğitim yöntemlerini ve en uygun dağıtım senaryolarını değerlendiriyor.
RTDETRv2: Gerçek Zamanlı Algılama Transformer'ı#
Orijinal RT-DETR'nin başarısını temel alan RTDETRv2, Transformer tabanlı nesne algılama yaklaşımını geliştirir. Kodlayıcı ve kod çözücü yapılarını optimize ederek geleneksel CNN'ler ile görme Transformer'ları arasındaki boşluğu etkili biçimde kapatırken gerçek zamanlı çıkarım hızlarını koruyup yüksek doğruluk sağlar.
Model Ayrıntıları
- Yazarlar: Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang ve Yi Liu
- Kurum: Baidu
- Tarih: 2024-07-24
- Bağlantılar: arXiv, GitHub, Belgeler
Mimari ve Temel Güçlü Yönler#
RTDETRv2, güçlü bir CNN omurgasını (genellikle ResNet veya HGNet) verimli bir Transformer kod çözücüyle birleştiren hibrit bir mimari kullanır. RTDETRv2'nin en belirgin özelliği, maksimum olmayan bastırmayı (NMS) doğal olarak atlayabilmesidir. Geleneksel algılayıcılar yinelenen sınırlayıcı kutuları filtrelemek için NMS'ye ihtiyaç duyar; bu da son işlem sırasında değişken çıkarım gecikmesine yol açar. RTDETRv2, algılamayı doğrudan küme tahmini problemi olarak formüle eder ve benzersiz tahminler üretmek için iki parçalı eşleştirme kullanır.
Bu model, GPU belleğinin bol olduğu sunucu tarafı dağıtımlarda en iyi performansı gösterir. Küresel dikkat mekanizması güçlü bir bağlam farkındalığı sağlar; bu da otomatik güvenlik alarm sistemleri veya yoğun kalabalık izleme gibi karmaşık ve kalabalık ortamlarda üst üste binen nesneleri ayırmak için modeli uygun kılar.
Sınırlamalar#
Güçlü olmalarına karşın Transformer mimarileri, eğitim sırasında standart CNN'lere kıyasla doğal olarak daha fazla CUDA belleği gerektirir. RTDETRv2'yi yeni eğitim verileri üzerinde ince ayarlamak da yakınsamanın daha uzun sürmesine neden olabilir ve hızlı prototiplemeyi daha fazla kaynak gerektiren bir işe dönüştürebilir.
RTDETRv2 hakkında daha fazla bilgi edin
EfficientDet: Ölçeklenebilir ve Verimli CNN'ler#
EfficientDet, çok çeşitli kaynak kısıtlarında hem doğruluk hem de verimlilik için optimize edilmiş bir nesne algılama modelleri ailesi sunar. Ölçeklenebilir makine görüşü tasarımının klasik bir örneği olmayı sürdürür.
Model Ayrıntıları
- Yazarlar: Mingxing Tan, Ruoming Pang ve Quoc V. Le
- Kuruluş: Google
- Tarih: 2019-11-20
- Bağlantılar: arXiv, GitHub, Belgeler
Mimari ve Temel Güçlü Yönler#
EfficientDet'in yeniliği iki temel alanda yatar: çift yönlü Özellik Piramidi Ağı (BiFPN) ve bileşik ölçekleme yöntemi. BiFPN, farklı girdi özelliklerinin önemini öğrenmek için öğrenilebilir ağırlıklar ekleyerek ve üstten alta ve alttan üste çok ölçekli özellik birleştirmesini yineleyerek basit ve hızlı çok ölçekli özellik çıkarımı sağlar. Bileşik ölçekleme yöntemi, ağın çözünürlüğünü, derinliğini ve genişliğini aynı anda ve eşit biçimde ölçeklendirir.
EfficientDet modelleri hafif D0'dan çok daha büyük D7'ye kadar uzanır. Bu çeşitlilik, geliştiricilerin hesaplama bütçesinin kısıtlılığı ile doğruluk gereksinimlerini dengelemesi gereken uç yapay zekâ dağıtımlarına (ilk mobil artırılmış gerçeklik uygulamaları gibi) uygun olmalarını sağlar.
Sınırlamalar#
EfficientDet, çapa kutularına ve geleneksel NMS son işleme hattına büyük ölçüde dayanan eski bir mimaridir. Çapa oluşturma süreci dikkatli hiperparametre ayarı gerektirir ve NMS adımı Raspberry Pi gibi gömülü donanımlardaki dağıtımı darboğaza sokabilir. Ayrıca poz tahmini veya yönlendirilmiş sınırlayıcı kutular (OBB) gibi modern görevleri doğal olarak desteklemez.
EfficientDet hakkında daha fazla bilgi edin
Performans ve Metrik Karşılaştırması#
Bu modeller arasındaki ödünleşimleri tam olarak anlamak için aktarım hızlarını ve parametre verimliliklerini analiz etmek gerekir. Aşağıdaki tablo, modern RTDETRv2 serisini ölçeklenebilir EfficientDet ailesiyle karşılaştırıyor.
| Model | boyut (piksel) | mAPval50-95 | Hız CPU ONNX (ms) | Hız T4 TensorRT10 (ms) | parametre (M) | FLOPs (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 | 512 | 34.6 | - | 3.92 | 3.9 | 2.54 |
| EfficientDet-d1 | 640 | 40.5 | - | 7.31 | 6.6 | 6.1 |
| EfficientDet-d2 | 768 | 43.0 | - | 10.92 | 8.1 | 11.0 |
| EfficientDet-d3 | 896 | 47.5 | - | 19.59 | 12.0 | 24.9 |
| EfficientDet-d4 | 1024 | 49.7 | - | 33.55 | 20.7 | 55.2 |
| EfficientDet-d5 | 1280 | 51.5 | - | 67.86 | 33.7 | 130.0 |
| EfficientDet-d6 | 1280 | 52.6 | - | 89.29 | 51.9 | 226.0 |
| EfficientDet-d7 | 1536 | 53.7 | - | 128.07 | 51.9 | 325.0 |
Yukarıda görüldüğü gibi RTDETRv2, benzer boyuttaki EfficientDet modellerinin ortalama Kesinlik Ortalaması (mAP) değerine eşit veya daha yüksek değerlere ulaşırken GPU'da çok daha hızlı çalışır (örneğin RTDETRv2-l için 9.76 ms'de 53.4 mAP, EfficientDet-d6 içinse 89.29 ms'de 52.6 mAP); doğruluğu artırmak için Transformer mimarisinden yararlanır.
Kullanım Alanları ve Öneriler#
RT-DETR ve EfficientDet arasındaki seçim, projenin özel gereksinimlerine, dağıtım kısıtlarına ve ekosistem tercihlerine bağlıdır.
RT-DETR Ne Zaman Seçilmeli?#
RT-DETR şu durumlar için güçlü bir seçenektir:
- Transformer Tabanlı Tespit Araştırmaları: NMS kullanmadan uçtan uca nesne tespiti için dikkat mekanizmalarını ve Transformer mimarilerini inceleyen projeler.
- Gecikme Esnekliğinin Olduğu Yüksek Doğruluk Gerektiren Senaryolar: Tespit doğruluğunun en önemli öncelik olduğu ve biraz daha yüksek çıkarım gecikmesinin kabul edilebildiği uygulamalar.
- Büyük Nesne Tespiti: Transformer'ların genel dikkat mekanizmasının doğal bir avantaj sağladığı, çoğunlukla orta ve büyük nesneler içeren sahneler.
EfficientDet Ne Zaman Seçilmeli#
EfficientDet şu durumlarda önerilir:
- Google Cloud ve TPU İşlem Hatları: EfficientDet'in referans uygulamasının TPU eğitimini desteklediği Google Cloud TPU altyapısındaki TensorFlow tabanlı sistemler.
- Bileşik Ölçekleme Araştırmaları: Dengeli ağ derinliği, genişliği ve çözünürlüğü ölçeklemenin etkilerini incelemeye odaklanan akademik karşılaştırmalar.
- LiteRT ile Mobil Dağıtım: Android veya gömülü Linux cihazlarına dağıtım için özellikle LiteRT (eski adıyla TensorFlow Lite) biçimine dışa aktarma gerektiren projeler.
Ultralytics'i (YOLO26) Ne Zaman Seçmeli#
Yeni projelerin çoğu için Ultralytics YOLO26, performans ve geliştirici deneyiminin en iyi bileşimini sunar:
- NMS Olmadan Uç Dağıtımı: Maksimum Olmayan Bastırma son işleminin karmaşıklığı olmadan tutarlı ve düşük gecikmeli çıkarım gerektiren uygulamalar.
- Yalnızca CPU Kullanılan Ortamlar: Özel GPU hızlandırması olmayan cihazlarda YOLO26n'in YOLO11n'e kıyasla CPU'da %43'e varan hızlı çıkarım sunması belirgin bir avantaj sağlar.
- Küçük Nesne Algılama: ProgLoss ve STAL'ın çok küçük nesnelerde doğruluğu önemli ölçüde artırdığı havadan drone görüntüleri veya IoT sensör analizi gibi zorlu senaryolar.
Ultralytics Alternatifi#
RTDETRv2 ve EfficientDet'in her ikisi de önemli avantajlara sahip olsa da modern yapay zekâ geliştirme süreçleri, yüksek performansın yanı sıra sorunsuz bir geliştirici deneyimi sunan çerçeveler gerektirir. Ultralytics ekosistemi, bilgisayarlı görü görevleri için çok daha akıcı bir yaklaşım sunar.
Modern algılama seçeneklerini değerlendiriyorsan yeni yayımlanan Ultralytics YOLO26, hem CNN'lerin hem de Transformer'ların en iyi özelliklerini bir araya getiriyor.
YOLO26, isteğe bağlı bir uçtan uca, NMS gerektirmeyen tasarım (nms=False) uygular ve böylece RTDETRv2'nin dağıtım kolaylığını verimli YOLO mimarisine taşır. Ayrıca eğitim kararlılığını artırmak için LLM eğitim tekniklerinden esinlenen MuSGD İyileştiricisi'ni sunar. DFL'nin Kaldırılması (daha basit dışa aktarma, uç cihazlarla ve düşük güçlü cihazlarla daha iyi uyumluluk için Distribution Focal Loss'un kaldırılması) sayesinde YOLO26n, YOLO11n'den CPU'da %43'e kadar daha hızlı çıkarım sunar ve bu özelliğiyle daha ağır modellere kıyasla uç bilişim için güçlü bir seçenek olur. ProgLoss + STAL (Progressive Loss ve küçük hedeflere duyarlı etiket ataması) da IoT, robotik ve hava görüntüleri için önemli olan küçük nesneleri tanıma performansında kayda değer iyileşmeler sağlar.
Ultralytics Python paketi kullanım kolaylığı için tasarlanmıştır. Geliştiriciler, araştırma depolarında genellikle gereken standart kodu soyutlayan sezgisel bir API kullanarak modelleri eğitebilir, doğrulayabilir ve dışa aktarabilir.
from ultralytics import RTDETR
# Ultralytics ekosisteminden önceden eğitilmiş bir RT-DETR modeli yükle
model = RTDETR("rtdetr-l.pt")
# Modeli COCO8 veri kümesinde eğit
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# TensorRT üzerinde optimize edilmiş çıkarım için dışa aktar
model.export(format="engine")Ultralytics modelleri, örnek segmentasyonu ve görüntü sınıflandırması dâhil birden fazla görevi doğal olarak destekleyerek farklı sektör ihtiyaçları için çok yönlü bir araç seti sunar. Modern Ultralytics modellerinde Distribution Focal Loss'un (DFL) kaldırılması da hesaplama grafiğini basitleştirerek gömülü NPU'lara ve TPU'lara daha sorunsuz dışa aktarım sağlar.
Veri etiketleme ve model yönetimi için Ultralytics Platform, tüm makine öğrenimi yaşam döngüsünü kapsayan kapsamlı bir bulut ortamı sunar. Bu özellik, platformu sağlam bilgisayarlı görü çözümlerini üretimde dağıtmak için güçlü bir seçenek hâline getirir.
Yorumlar
Bir soru sor, sonuçlarını paylaş veya başka birine yardım et.