RTDETRv2 ve YOLOv10#

Bilgisayarlı görü alanındaki gelişmeler, büyük ölçüde hız ve doğruluk arasında denge kurma konusundaki bitmek bilmeyen arayışla şekillenmiştir. Geleneksel olarak gerçek zamanlı nesne algılama işlem hatları, çakışan sınırlayıcı kutuları filtrelemek için son işleme adımı olarak Maksimum Olmayan Bastırma (NMS) yöntemine dayanmıştır. Ancak NMS, gecikme darboğazlarına ve karmaşık hiperparametre ayarlarına yol açar. Son dönemde bu sorunu yerel olarak çözmek için iki farklı mimari yaklaşım ortaya çıkmıştır: RTDETRv2 gibi Transformer tabanlı modeller ve YOLOv10 gibi CNN tabanlı modeller.

Bu kılavuz, iki modelin mimarilerini, performans ölçütlerini ve ideal kullanım alanlarını analiz ederek kapsamlı bir teknik karşılaştırmasını sunar; ayrıca Ultralytics ekosistemindeki en yeni yeniliklerin modern dağıtım için nasıl en iyi çözümü sunduğunu vurgular.

RTDETRv2: Gerçek Zamanlı Algılama Transformer'ları#

RTDETRv2, özgün RT-DETR mimarisini temel alır ve Vision Transformer'ların küresel bağlamı anlama yeteneğini, geleneksel olarak YOLO modellerinin hâkim olduğu gerçek zamanlı hız gereksinimleriyle birleştirmeyi amaçlar.

Temel Özellikler:

• Yazarlar: Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang ve Yi Liu
• Kuruluş: Baidu
• Tarih: 2024-07-24
• Arxiv: https://arxiv.org/abs/2407.17140
• GitHub: https://github.com/lyuwenyu/RT-DETR/tree/main/rtdetrv2_pytorch

Mimari ve Eğitim Metodolojileri#

RTDETRv2, doğası gereği NMS kullanımını önleyen uçtan uca bir Transformer mimarisinden yararlanır. Eğitim stratejisini optimize eden ve çok ölçekli algılama yeteneklerini içeren "Bag-of-Freebies" yaklaşımını sunarak önceki sürümünü geliştirir. Model, özellik haritalarını (kenarlar ve dokular gibi görsel ayrıntılar) çıkarmak için bir CNN omurgası kullanır; bu haritalar daha sonra Transformer kodlayıcı-kod çözücü yapısı tarafından işlenir. Bu sayede model, tüm görüntünün bağlamını aynı anda analiz edebilir ve nesnelerin yoğun biçimde bulunduğu veya çakıştığı karmaşık sahneleri anlamada son derece etkili olur.

Güçlü ve Zayıf Yönler#

Güçlü Yönler:

• Küresel Bağlam: Dikkat mekanizması, modelin karmaşık ve düzensiz ortamlarda başarılı olmasını sağlar.
• NMS Olmadan: Nesne koordinatlarını doğrudan tahmin ederek dağıtım işlem hattını basitleştirir.
• Yüksek Doğruluk: COCO veri kümesinde mükemmel ortalama kesinlik (mAP) değerine ulaşır.

Zayıf Yönler:

• Kaynak Yoğun: Transformer mimarileri, eğitim sırasında genellikle CNN'lere kıyasla önemli ölçüde daha fazla CUDA belleği gerektirir; bu da standart donanımlarda ince ayar yapmayı maliyetli hâle getirir.
• Çıkarım Hızı Değişkenliği: Hızlı olmasına rağmen yoğun dikkat hesaplamaları, özel AI hızlandırıcıları bulunmayan uç cihazlarda bilgisayarlı görü FPS'sinin düşmesine neden olabilir.

RTDETRv2 hakkında daha fazla bilgi edin

YOLOv10: Gerçek Zamanlı Uçtan Uca Nesne Algılama#

YOLOv10, uzun süredir devam eden NMS darboğazını doğrudan bir CNN çerçevesi içinde ele alarak YOLO nesne algılama soyunda önemli bir değişimi temsil eder.

Temel Özellikler:

• Yazarlar: Ao Wang, Hui Chen, Lihao Liu ve diğerleri
• Kuruluş: Tsinghua Üniversitesi
• Tarih: 2024-05-23
• Arxiv: https://arxiv.org/abs/2405.14458
• GitHub: https://github.com/THU-MIG/yolov10

Mimari ve Eğitim Metodolojileri#

YOLOv10'un temel yeniliği, NMS'siz eğitim için tutarlı ikili atamalardır. Eğitim sırasında iki algılama başlığı kullanır: biri zengin denetim sinyalleri sağlamak için bire-çok atama (geleneksel YOLO'lar gibi), diğeri ise NMS ihtiyacını ortadan kaldırmak için bire-bir atama kullanır. Çıkarım sırasında yalnızca bire-bir başlık kullanılır ve bunun sonucunda uçtan uca bir süreç elde edilir. Ayrıca yazarlar, hesaplama gereksizliğini azaltmak için çeşitli bileşenleri kapsamlı biçimde optimize eden, verimlilik ve doğruluk odaklı bütünsel bir model tasarım stratejisi uygulamıştır.

Güçlü ve Zayıf Yönler#

Güçlü Yönler:

• Aşırı Hız: NMS'yi kaldırıp mimariyi optimize eden YOLOv10, son derece düşük çıkarım gecikmesine ulaşır.
• Verimlilik: Diğer modellerle karşılaştırılabilir doğruluğa daha az parametre ve FLOPs kullanarak ulaşır; bu da onu kısıtlı ortamlar için son derece uygun hâle getirir.
• NMS'siz Dağıtımlar: Akıllı gözetim gibi uç uygulamalara entegrasyonu kolaylaştırır.

Zayıf Yönler:

• Birinci Nesil Kavramı: Bu özel NMS'siz mimariyi uygulayan ilk YOLO olarak temel oluşturdu, ancak YOLO11 ve YOLO26 gibi sonraki modellerde görülen çok görevli esneklik ve optimizasyon için geliştirme alanı bıraktı.

YOLOv10 hakkında daha fazla bilgi edin

Performans Karşılaştırması#

Modelleri üretim için değerlendirirken doğruluk ile hesaplama maliyetini dengelemek kritik öneme sahiptir. Aşağıdaki tablo, RTDETRv2 ve YOLOv10'un çeşitli boyutları arasındaki performans ödünleşimlerini vurgular.

RTDETRv2 güçlü bir doğruluk sunsa da YOLOv10, özellikle daha küçük varyantlarında (Nano ve Small) gecikme ve parametre verimliliği açısından dikkate değer bir üstünlük sergiler; bu da onu uç bilişim ve AIoT uygulamaları için son derece cazip kılar.

Kullanım Alanları ve Öneriler#

RT-DETR ve YOLOv10 arasında seçim yapmak, özel proje gereksinimlerine, dağıtım kısıtlarına ve ekosistem tercihlerine bağlıdır.

RT-DETR Ne Zaman Seçilmeli?#

RT-DETR şu durumlar için güçlü bir seçenektir:

• Transformer Tabanlı Tespit Araştırması: NMS olmadan uçtan uca nesne tespiti için dikkat mekanizmalarını ve Transformer mimarilerini inceleyen projeler.
• Esnek Gecikmeyle Yüksek Doğruluk Gerektiren Senaryolar: Tespit doğruluğunun en yüksek öncelik olduğu ve biraz daha yüksek çıkarım gecikmesinin kabul edilebildiği uygulamalar.
• Büyük Nesne Tespiti: Transformer'ların küresel dikkat mekanizmasının doğal bir avantaj sağladığı, çoğunlukla orta ve büyük nesneler içeren sahneler.

YOLOv10 Ne Zaman Seçilmeli?#

YOLOv10 şu durumlar için önerilir:

• NMS'siz Gerçek Zamanlı Algılama: Maksimum Olmayan Bastırma olmadan uçtan uca algılamadan yararlanan ve dağıtım karmaşıklığını azaltan uygulamalar.
• Dengeli Hız-Doğruluk Dengesi: Çeşitli model ölçeklerinde çıkarım hızı ile algılama doğruluğu arasında güçlü bir denge gerektiren projeler.
• Tutarlı Gecikme Gerektiren Uygulamalar: Robotik veya otonom sistemler gibi öngörülebilir çıkarım sürelerinin kritik olduğu dağıtım senaryoları.

Ultralytics (YOLO26) Ne Zaman Seçilmeli?#

Yeni projelerin çoğu için Ultralytics YOLO26, performans ve geliştirici deneyiminin en iyi birleşimini sunar:

• NMS'siz Uç Dağıtımı: Maksimum Olmayan Bastırma son işleme karmaşıklığı olmadan tutarlı ve düşük gecikmeli çıkarım gerektiren uygulamalar.
• Yalnızca CPU Kullanılan Ortamlar: Özel GPU hızlandırması olmayan ve YOLO26'nın %43'e varan daha hızlı CPU çıkarımının belirleyici bir avantaj sağladığı cihazlar.
• Küçük Nesne Algılama: ProgLoss ve STAL'ın küçük nesnelerde doğruluğu önemli ölçüde artırdığı hava drone görüntüleri veya IoT sensör analizi gibi zorlu senaryolar.

Ultralytics Avantajı: YOLO26 ile Tanışın#

Hem RTDETRv2 hem de YOLOv10 etkileyici akademik ilerlemeler sunsa da bunları gerçek dünya senaryolarında dağıtmak için sağlam ve iyi bakımı yapılan bir yazılım ekosistemi gerekir. Ultralytics Platformu, kullanım kolaylığını, kapsamlı belgeleri ve veri etiketleme ile dağıtım için güçlü araçları bir araya getirerek benzersiz bir geliştirici deneyimi sunar.

2026'da en ileri teknoloji çözümleri arayan geliştiriciler için Ultralytics YOLO26 en iyi öneridir. Her iki mimarinin en iyi fikirlerini bir araya getirirken çığır açan iyileştirmeler de sunar:

• Uçtan Uca NMS'siz Tasarım: YOLOv10'un öncülük ettiği kavramı temel alan YOLO26, NMS son işlemesini yerel olarak ortadan kaldırır; böylece daha hızlı, daha basit dağıtım mantığı ve sıfır gecikme değişkenliği sağlar.
• DFL'nin Kaldırılması: Distribution Focal Loss'un kaldırılmasıyla YOLO26, model dışa aktarmayı basitleştirir ve uç cihazlarla düşük güç tüketimli cihazlarla uyumluluğu büyük ölçüde artırır.
• MuSGD Optimize Edicisi: SGD ve Muon'un bir birleşimi olan bu yeni optimize edici (LLM eğitimindeki yeniliklerden esinlenmiştir), geleneksel yöntemlere kıyasla daha kararlı eğitim ve önemli ölçüde daha hızlı yakınsama sağlar.
• %43'e Kadar Daha Hızlı CPU Çıkarımı: Özel GPU'ları olmayan ortamlar için dikkatle optimize edilerek yüksek performanslı görsel yapay zekâyı herkes için erişilebilir hâle getirir.
• ProgLoss + STAL: Bu gelişmiş kayıp işlevleri, drone kullanan uygulamalar ve IoT sensörleri için kritik olan küçük nesne tanımada kayda değer iyileştirmeler sağlar.
• Eşsiz Çok Yönlülük: Sınırlayıcı kutularla kısıtlı modellerin aksine YOLO26, örnek segmentasyonu, poz tahmini, görüntü sınıflandırma ve OBB algılama dâhil olmak üzere eksiksiz bir görev yelpazesini destekler; buna Poz için Residual Log-Likelihood Estimation (RLE) gibi göreve özgü iyileştirmeler de dâhildir.

Python ile Sorunsuz Uygulama#

Bu modellerin Ultralytics Python API kullanılarak eğitilmesi ve dağıtılması sorunsuz olacak şekilde tasarlanmıştır. Eğitim sırasında bellek gereksinimleri Transformer ağırlıklı mimarilere kıyasla belirgin ölçüde daha düşüktür; bu da güçlü modelleri standart donanımlarda eğitmene olanak tanır.

from ultralytics import YOLO

# Load the cutting-edge YOLO26 model (recommended)
# Alternatively, load a YOLOv10 model using YOLO('yolov10n.pt')
model = YOLO("yolo26n.pt")

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

# Easily export to various formats for edge deployment
model.export(format="onnx", simplify=True)

İster güvenlik alarm sistemleri uyguluyor ister tıbbi görüntü analizi gerçekleştiriyor ol, aktif Ultralytics topluluğunun desteklediği bir model seçmek; başarılı olmak için ihtiyaç duyduğun araçlara, hiperparametre ayarlama kılavuzlarına ve sürekli güncellemelere sahip olmanı sağlar. YOLOv10 ve RTDETRv2, NMS'siz mimarilerin önünü açarken YOLO26 bu yaklaşımı mükemmelleştirerek performans, çok yönlülük ve üretime hazır olma arasında en iyi dengeyi sunar.