RTDETRv2 ve EfficientDet#

En uygun sinir ağı mimarisini seçmek, her bilgisayarlı görü projesi için belirleyici bir karardır. Bu kapsamlı teknik karşılaştırma, etkili iki nesne algılama modelini inceliyor: son teknoloji Transformer tabanlı bir algılayıcı olan RTDETRv2 ve ölçeklenebilirliği yüksek bir evrişimli sinir ağı olan EfficientDet. Yapay zekâ işlem hatların için veriye dayalı kararlar vermene yardımcı olmak üzere bu modellerin farklı mimarilerini, performans ölçütlerini, eğitim yöntemlerini ve ideal dağıtım senaryolarını değerlendireceğiz.

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 eşleştiren karma bir mimari kullanır. RTDETRv2 modelinin en belirgin özelliği, maksimum olmayan bastırmayı (NMS) doğal olarak atlayabilmesidir. Geleneksel algılayıcılar yinelenen sınırlayıcı kutuları filtrelemek için NMS gerektirir; bu da son işleme sırasında değişken çıkarım gecikmesine yol açar. RTDETRv2, algılamayı doğrudan küme tahmini problemi olarak formüle eder ve benzersiz tahminler üretmek için iki parçalı eşleştirmeden yararlanır.

Bu model, GPU belleğinin bol olduğu sunucu tarafı dağıtımlarda öne çıkar. Küresel dikkat mekanizması olağanüstü bağlam farkındalığı sağlar; bu da onu otomatik güvenlik alarm sistemleri veya yoğun kalabalık izleme gibi dağınık ve kalabalık ortamlarda üst üste binen nesneleri ayırmada son derece başarılı kılar.

Sınırlamalar#

Transformer mimarileri güçlü olsa da eğitim sırasında standart CNN'lere kıyasla doğaları gereği daha fazla CUDA belleği gerektirir. Ayrıca RTDETRv2 modelinin ince ayarı, eğitim verilerinin yakınsaması için uzun süreler gerektirebilir ve hızlı prototiplemeyi biraz daha fazla kaynak tüketen bir hâle getirir.

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 Piramit Ağı (BiFPN) ve bileşik ölçeklendirme yöntemi. BiFPN, farklı giriş özelliklerinin önemini öğrenmek için öğrenilebilir ağırlıklar kullanır ve yukarıdan aşağıya ve aşağıdan yukarıya çok ölçekli özellik birleştirmeyi yinelemeli biçimde uygulayarak basit ve hızlı özellik çıkarma olanağı sağlar. Bileşik ölçeklendirme yöntemi, ağın çözünürlüğünü, derinliğini ve genişliğini eş zamanlı ve tutarlı biçimde ölçeklendirir.

EfficientDet modelleri ultra hafif D0'dan devasa D7'ye kadar uzanır. Bu özellik, geliştiricilerin erken dönem mobil artırılmış gerçeklik uygulamalarında olduğu gibi sıkı hesaplama bütçelerini doğruluk gereksinimleriyle dengelemesi gereken uç yapay zekâ dağıtımları için modelleri son derece çok yönlü kılar.

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.

Yukarıda görüldüğü gibi RTDETRv2, benzer boyuttaki EfficientDet modellerinin ortalama Hassasiyet (mAP) değerine eşit veya daha yüksek sonuç verirken GPU'da çok daha hızlı çalışır (örneğin RTDETRv2-l için 9.76 ms'de 53.4 mAP, EfficientDet-d6 için 89.29 ms'de 52.6 mAP). Doğruluğu artırmak için Transformer mimarisinden yoğun biçimde 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 yerel optimizasyona sahip olduğu, Google Cloud Vision API'leriyle veya TPU altyapısıyla sıkı biçimde bütünleşik 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: YOLO26'nın CPU'da %43'e varan daha hızlı çıkarımının belirleyici bir avantaj sağladığı, özel GPU hızlandırması bulunmayan cihazlar.
• 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: Son Teknolojiyi İleri Taşıma#

RTDETRv2 ve EfficientDet'in her ikisinin de güçlü yanları olsa da modern yapay zekâ geliştirme süreçleri, en yeni performansın yanı sıra sorunsuz bir geliştirici deneyimi sunan çerçeveler gerektirir. Ultralytics ekosistemi, bilgisayarlı görü görevleri için çok daha verimli bir yaklaşım sunar.

Son teknoloji nesne algılama çözümlerini araştırıyorsan, yeni yayımlanan Ultralytics YOLO26, hem CNN'lerin hem de transformer'ların en iyi yönlerini bir araya getiriyor.

Ultralytics Python paketinin sunduğu kullanım kolaylığının eşi benzeri yoktur. Geliştiriciler, araştırma depolarında genellikle gereken tekrar eden kodları 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 olmak üzere birden fazla görevi yerel olarak destekleyerek farklı sektör ihtiyaçlarına yönelik çok yönlü bir araç seti sunar. Ayrıca modern Ultralytics modellerinde Distribution Focal Loss'un (DFL) kaldırılması, hesaplama grafiğini basitleştirerek gömülü NPU'lara ve TPU'lara daha sorunsuz dışa aktarmayı garanti eder.

Sorunsuz veri etiketleme ve model yönetimi için Ultralytics Platformu, makine öğrenimi yaşam döngüsünün tamamını yönetebileceğin kapsamlı bir bulut ortamı sunar ve üretimde sağlam bilgisayarlı görü çözümleri dağıtmak için başlıca tercih hâline gelir.