RTDETRv2 ve PP-YOLOE+
Bilgisayarlı görü araştırmaları, gerçek zamanlı nesne algılama için çeşitli mimari yaklaşımlar ortaya çıkardı. RTDETRv2 ile PP-YOLOE+ temelden farklı yollar izliyor: biri algılama transformer'ı, diğeri evrişimsel algılayıcı. İkisi de yüksek performanslı algılama sunmayı amaçlıyor; ancak çalışma biçimleri, eğitim yaklaşımları ve ideal dağıtım senaryoları farklı.
Bu kılavuz, geliştiricilerin ve araştırmacıların dağıtım ihtiyaçlarına uygun modeli seçmelerine yardımcı olmak için mimarileri, performans ölçütlerini ve ekosistem desteğini karşılaştırıyor.
Modellere Genel Bakış#
Performans verilerini incelemeden önce her modelin kökenini ve mimari hedeflerini anlamak önemlidir. Her iki model de Baidu'daki araştırma ekiplerinden çıkmış olsa da nesne algılama ailesinin farklı kollarını temsil ediyor.
RTDETRv2#
RTDETRv2, özgün Gerçek Zamanlı Algılama Transformer'ı üzerine kuruludur ve bir CNN omurgasını verimli bir hibrit kodlayıcı ile transformer kod çözücüsüyle birleştirir. Ayırt edici özelliği, son işleme sırasında Maksimum Olmayan Bastırma'ya (NMS) duyulan ihtiyacı ortadan kaldıran uçtan uca tahmin yapısıdır.
- Yazarlar: Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang ve Yi Liu
- Kurum: Baidu
- Tarih: 2024-07-24
- arXiv: 2407.17140
- GitHub: RT-DETR Deposu
RTDETRv2 hakkında daha fazla bilgi edin
PP-YOLOE+#
PP-YOLOE+, PaddleDetection ekibinin endüstriyel uygulamalar için optimize ettiği PP-YOLOE'nin geliştirilmiş sürümüdür. Çapadan bağımsız algılama başlığına sahip, ölçeklenebilir bir CNN mimarisi kullanır. Hız ve doğruluk arasında güçlü bir denge sunmak üzere tasarlanan bu model, küçük nesne algılamayı iyileştirmek için Verimli Görev Hizalı Başlık (ET-head) ve dağılımsal odak kaybı gibi teknikler sunar.
- Yazar: PaddlePaddle Yazarları
- Kuruluş: Baidu
- Tarih: 2022-04-02
- arXiv: 2203.16250
- GitHub: PaddleDetection Deposu
PP-YOLOE+ hakkında daha fazla bilgi edin
Her iki modelin de bağımsız araştırma depoları olsa da birleşik bir API ve yerleşik dışa aktarma seçenekleri sunan Ultralytics Python paketi içinde özgün RT-DETR'yi doğrudan deneyebilirsin.
Mimari Farklılıklar#
Bu iki model arasındaki temel fark, görsel bağlamı işleme ve tahmin üretme biçimleridir.
PP-YOLOE+, geleneksel ancak yüksek ölçüde optimize edilmiş bir evrişimsel sinir ağı (CNN) omurgası kullanır. Özellikleri çıkarmak için yerel alıcı alanlara dayanır; bu da standart dağıtımlarda hızlı ve verimli olmasını sağlar. Ancak örtüşen sınırlayıcı kutuları filtrelemek için hâlâ NMS son işlemesi gerekir; bu işlem yoğun sahnelerde gecikme ekleyebilir.
RTDETRv2 ise Hibrit Kodlayıcı ve Transformer Kod Çözücüsü kullanır. Bu, modelin görüntünün tamamındaki küresel bağlamı yakalamasını sağlar. Dikkat mekanizması nesneler arasındaki ilişkileri modellediğinden model, NMS olmadan son sınırlayıcı kutuları doğrudan verir. Bu uçtan uca yaklaşım, algılanan nesne sayısından bağımsız olarak çıkarım gecikmesini sabit tutar.
Performans Ölçütleri ve Karşılaştırma#
YOLO performans ölçütlerini değerlendirirken doğruluğu (mAP), hesaplama maliyeti (FLOPs) ve çıkarım hızıyla birlikte ele al. Aşağıdaki tablo, her iki modelin farklı boyutlardaki performansını gösteriyor.
| 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 |
| PP-YOLOE+t | 640 | 39.9 | - | 2.84 | 4.85 | 19.15 |
| PP-YOLOE+s | 640 | 43.7 | - | 2.62 | 7.93 | 17.36 |
| PP-YOLOE+m | 640 | 49.8 | - | 5.56 | 23.43 | 49.91 |
| PP-YOLOE+l | 640 | 52.9 | - | 8.36 | 52.2 | 110.07 |
| PP-YOLOE+x | 640 | 54.7 | - | 14.3 | 98.42 | 206.59 |
PP-YOLOE+x, COCO veri kümesinde %54.7 ile en yüksek mAPval50-95 değerine ulaşır; bu, RTDETRv2-x'ten 0.4 puan daha yüksektir. TensorRT gecikmesi biraz daha düşüktür (14.3 ms'ye karşı 15.03 ms), ancak daha fazla parametre kullanır (98.42M'ye karşı 76M). Büyük ölçekte RTDETRv2-l, daha az parametreyle PP-YOLOE+l'den daha doğrudur (%53.4'e karşı %52.9); PP-YOLOE+l ise daha hızlıdır (8.36 ms'ye karşı 9.76 ms). PP-YOLOE+ ayrıca 8M parametrenin altında küçük ve çok küçük varyantlar sunar; RTDETRv2 bu boyut katmanını kapsamaz. Bu varyantlar uç cihaz dağıtımları için uygundur.
Ultralytics Avantajı: YOLO26 ile Tanış#
RTDETRv2 ile PP-YOLOE+ yetenekli algılayıcılardır; ancak alan gelişmeye devam ediyor. Hız, doğruluk ve ekosistem desteği arasında denge isteyen geliştiriciler için yeni projelerde önerilen model Ultralytics YOLO26'dır.
YOLO26, algılama transformer'larının uçtan uca çıkarımını CNN'lere taşıyor. Etkinleştirildiğinde NMS son işlemesini atlayan isteğe bağlı Uçtan Uca NMS'siz çıkarım kipi (nms=False) sunar. Ayrıca, daha kararlı eğitim ve daha hızlı yakınsama sağlamak için büyük dil modeli (LLM) eğitiminden esinlenen SGD ve Muon melezi MuSGD Optimizasyonunu da kullanıma sunar.
Önemli miktarda CUDA belleği gerektiren ağır transformer modellerinin aksine YOLO26, DFL Kaldırma (Dağılımsal Odak Kaybı) özelliğine sahiptir ve uç bilişim için optimize edilmiştir. YOLO26n, YOLO11n'e kıyasla CPU çıkarımında %43'e kadar daha hızlıdır.
YOLO26, nesne algılamanın ötesine geçerek hazır olarak örnek segmentasyonunu, anlamsal segmentasyonu, derinlik tahminini, görüntü sınıflandırmayı, poz tahminini ve yönlendirilmiş sınırlayıcı kutuları (OBB) destekler; PP-YOLOE+ ise sınırlayıcı kutu algılamaya odaklanır.
Eğitim Yöntemleri ve Ekosistem#
Eğitim verimliliği ve kullanım kolaylığı, Ultralytics ekosisteminin bağımsız araştırma depolarından en fazla ayrıldığı noktalardır. PP-YOLOE+ PaddlePaddle çatısına dayanırken RTDETRv2 çoğu zaman karmaşık ortam kurulumu gerektirir. Ultralytics modelleri ise kurulabilir tek bir paketi ve API'yi paylaşır.
Ultralytics API'si otomatik veri kümesi yönetimi ve yerleşik hiperparametre ayarı sunar; YOLO modelleri de transformer algılayıcılara kıyasla daha az bellekle eğitilir. Modelleri ONNX veya TensorRT gibi üretim biçimlerine tek bir komutla aktarabilirsin.
Kod Örneği: Akıcı Çıkarım#
Aşağıdaki örnek, Ultralytics Python paketini kullanarak RT-DETR'yi önerilen YOLO26 modeliyle birlikte çalıştırıyor:
from ultralytics import RTDETR, YOLO
# RT-DETR modelini başlat (Ultralytics orijinal RT-DETR-L ve RT-DETR-X modellerini destekler)
model_rtdetr = RTDETR("rtdetr-l.pt")
# Bir test görüntüsünde NMS gerektirmeyen çıkarım yap
results_rtdetr = model_rtdetr("https://ultralytics.com/images/bus.jpg")
results_rtdetr[0].show()
# En yeni YOLO26 modelini başlat
model_yolo26 = YOLO("yolo26n.pt")
# YOLO26 modelini optimize edilmiş bellek kullanımıyla eğit
model_yolo26.train(data="coco8.yaml", epochs=50, imgsz=640)
# TensorRT'ye dışa aktararak uç cihazlara dağıt
model_yolo26.export(format="engine")Gerçek Dünya Uygulamaları ve Kullanım Alanları#
Bu mimariler arasında seçim yapmak genellikle belirli donanım ve uygulama gereksinimlerine bağlıdır.
- RTDETRv2, sunucu tarafı ortamlarda ve karmaşık sahneleri anlamada başarılıdır. Küresel dikkati, yoğun biçimde örtüşen nesnelerin geçerli algılamaların NMS tarafından elenmesine yol açabildiği kalabalık yönetimi ve yoğun tıbbi görüntü analizinde etkili olmasını sağlar.
- PP-YOLOE+, yüksek hızlı endüstriyel denetim ve PaddlePaddle ekosistemine hâlihazırda yatırım yapmış ekipler için uygundur. Küçük boyutlardaki düşük parametre sayısı, belirli robotik uygulamalar için kullanılabilir olmasını sağlar.
- Ticari dağıtımların çoğunda önerilen seçenek Ultralytics YOLO26'dır. Aşamalı Kayıp ve Küçük Nesneye Duyarlı Etiket Atama (STAL), hava drone operasyonları ve akıllı şehirlerde trafik izleme için önemli olan küçük nesnelerin tanınmasını iyileştirir.
Kullanım Alanları ve Öneriler#
RT-DETR ve PP-YOLOE+ 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.
PP-YOLOE+'ı Ne Zaman Seçmeli#
PP-YOLOE+ şu durumlarda önerilir:
- PaddlePaddle Ekosistemiyle Entegrasyon: Altyapısı ve araçları Baidu'nun PaddlePaddle çerçevesi üzerine kurulu kuruluşlar.
- Paddle Lite ile Uç Dağıtım: Özellikle Paddle Lite veya Paddle çıkarım motoru için optimize edilmiş çıkarım çekirdeklerine sahip donanımlara dağıtım.
- Sunucu Tarafında Yüksek Doğruluklu Tespit: Çerçeve bağımlılığının önemli olmadığı güçlü GPU sunucularında en yüksek tespit doğruluğuna öncelik veren senaryolar.
Ultralytics'i (YOLO26) Ne Zaman Seçmeli#
Yeni projelerin çoğunda Ultralytics YOLO26, performans ile geliştirici deneyiminin en iyi birleşimini 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 YOLO26'nın (YOLO26n ile YOLO11n karşılaştırıldığında) %43'e varan daha hızlı CPU çıkarımı belirleyici bir avantaj sağlar.
- Küçük Nesne Algılama: Havadan drone görüntüleri veya IoT sensör analizi gibi zorlu senaryolarda ProgLoss ve STAL, küçük nesnelerin doğruluğunu artırır.
Sonuç#
RTDETRv2 ve PP-YOLOE+, hem transformer hem de optimize edilmiş CNN mimarilerinin gerçek zamanlı algılama için kullanılabilir olduğunu gösteriyor. Ancak ayrı araştırma kod tabanlarından gelen modelleri dağıtmak, üretim takvimlerini yavaşlatabilir.
Ultralytics Platform, etiketleme, eğitim ve dağıtımı tek bir iş akışında birleştirir. Ekipler, YOLO11 veya daha yeni YOLO26 gibi entegre modellere geçerek daha düşük bellek gereksinimleri ve daha az geliştirme yüküyle doğruluk ve hız arasında güçlü bir denge elde eder.
Yorumlar
Bir soru sor, sonuçlarını paylaş veya başka birine yardım et.