RTDETRv2 ile YOLOv10#

Bilgisayarlı görü alanındaki gelişmeler, büyük ölçüde hız ile doğruluğu dengeleme arayışından kaynaklanıyor. Gerçek zamanlı nesne algılama işlem hatları, örtüşen sınırlayıcı kutuları filtrelemek için geleneksel olarak son işleme adımı olarak Maksimum Olmayan Bastırma'ya (NMS) dayanıyordu. Ancak NMS, gecikme darboğazlarına ve karmaşık hiperparametre ayarlamalarına yol açar. Son zamanlarda bu sorunu yerel olarak çözmek için iki farklı mimari yaklaşım ortaya çıktı: RTDETRv2 gibi Transformer tabanlı modeller ve YOLOv10 gibi CNN tabanlı modeller.

Bu kılavuzda, iki modelin mimarisini, performans ölçütlerini ve ideal kullanım alanlarını kapsamlı biçimde teknik açıdan karşılaştırıyor, modern dağıtım için en iyi çözümün Ultralytics ekosistemindeki en yeni yeniliklerle nasıl sunulduğunu da açıklıyoruz.

RTDETRv2: Gerçek Zamanlı Algılama Transformer'ları#

RTDETRv2, Vision Transformer'ların genel bağlamı anlama yeteneğini geleneksel olarak YOLO modellerinin öne çıktığı gerçek zamanlı hız gereksinimleriyle birleştirmeyi amaçlayarak ilk RT-DETR mimarisini geliştirir.

Temel Özellikler:

• Yazarlar: Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang ve Yi Liu
• Kurum: 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 Yöntemleri#

RTDETRv2, NMS'yi doğası gereği önleyen uçtan uca bir Transformer mimarisinden yararlanır. Eğitim stratejisini optimize eden ve çok ölçekli algılama yetenekleri sunan "Bedavalar Paketi" yaklaşımıyla önceki sürümünü geliştirir. Model, özellik haritalarını (kenarlar ve dokular gibi görsel ayrıntıları) çıkarmak için bir CNN omurgası kullanır; ardından bu haritalar Transformer kodlayıcı-kod çözücü yapısıyla işlenir. Böylece model tüm görüntü bağlamını aynı anda analiz edebilir ve nesnelerin yoğun ya da örtüşür biçimde bulunduğu karmaşık sahneleri anlamada son derece etkili olur.

Güçlü ve Zayıf Yönler#

Güçlü Yönler:

• Genel Bağlam: Dikkat mekanizması, modelin karmaşık ve kalabalık ortamlarda başarılı olmasını sağlar.
• NMS'siz: Nesne koordinatlarını doğrudan tahmin ederek dağıtım işlem hattını basitleştirir.
• Yüksek Doğruluk: COCO veri kümesinde mükemmel ortalama hassasiyet (mAP) değerlerine ulaşır.

Zayıf Yönler:

• Yüksek Kaynak Gereksinimi: Transformer mimarileri, eğitim sırasında genellikle CNN'lere kıyasla çok daha fazla CUDA belleği gerektirir. Bu nedenle standart donanımlarda ince ayar yapmak maliyetlidir.
• Değişken Çıkarım Hızı: Hızlı olsa da yoğun dikkat hesaplamaları, özel yapay zekâ hızlandırıcıları bulunmayan uç cihazlarda bilgisayarlı görü FPS değerinin düşmesine yol açabilir.

RTDETRv2 hakkında daha fazla bilgi edin

YOLOv10: Gerçek Zamanlı Uçtan Uca Nesne Algılama#

YOLOv10, uzun süredir devam eden NMS darboğazını doğrudan CNN çerçevesinde ele alarak YOLO nesne algılama serisinde 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 Yöntemleri#

YOLOv10'un temel yeniliği, NMS'siz eğitim için tutarlı ikili atamalardır. Eğitim sırasında iki algılama başlığı kullanır: Zengin denetim sinyalleri sağlamak için çoktan-bire atama kullanan bir başlık (geleneksel YOLO modellerinde olduğu gibi) ve NMS gereksinimini ortadan kaldırmak için bire-bir atama kullanan başka bir başlık. Çıkarım sırasında yalnızca bire-bir başlık kullanılarak uçtan uca bir süreç elde edilir. Ayrıca yazarlar, hesaplama fazlalığını azaltmak için çeşitli bileşenleri kapsamlı biçimde optimize ederek verimlilik ve doğruluğa odaklanan bütüncül bir model tasarım stratejisi uygulamıştır.

Güçlü ve Zayıf Yönler#

Güçlü Yönler:

• Olağanüstü Hız: NMS'yi ortadan kaldırıp mimariyi optimize ederek YOLOv10, son derece düşük çıkarım gecikmesi sağlar.
• Verimlilik: Diğer modellerle benzer doğruluğa daha az parametre ve FLOP ile ulaşır; bu da modeli kısıtlı ortamlar için son derece uygun hâle getirir.
• NMS'siz Dağıtımlar: Akıllı gözetim gibi uç uygulamalara entegrasyonu kolaylaştırır.

Zayıf Yönler:

• İlk Nesil Yaklaşım: Bu özel NMS'siz mimariyi uygulayan ilk YOLO olarak temel oluşturdu; ancak YOLO11 ve YOLO26 gibi sonraki modellerde görülen çok görevli çok yönlülük ve optimizasyon için geliştirme alanı bıraktı.

YOLOv10 hakkında daha fazla bilgi edin

Performans Karşılaştırması#

Modelleri üretim için değerlendirirken doğruluk ile hesaplama maliyetini dengelemek kritik önem taşır. Aşağıdaki tablo, RTDETRv2 ve YOLOv10'un çeşitli boyutları arasındaki performans dengelerini gösterir.

RTDETRv2 güçlü bir doğruluk sunsa da YOLOv10, özellikle daha küçük sürümlerinde (Nano ve Small) gecikme ve parametre verimliliği açısından kayda değer bir avantaja sahiptir; bu da modeli uç bilişim ve AIoT uygulamaları için oldukça cazip kılar.

Kullanım Alanları ve Öneriler#

RT-DETR ile YOLOv10 arasında seçim yapmak; projenin özel gereksinimlerine, dağıtım kısıtlamalarına 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.

YOLOv10'u Ne Zaman Seçmeli?#

YOLOv10 şu durumlarda önerilir:

• NMS Olmadan Gerçek Zamanlı Algılama: Maksimum Olmayan Bastırma olmadan uçtan uca algılamadan yararlanan ve dağıtım karmaşıklığını azaltan uygulamalar.
• Hız ve Doğruluk Arasında Dengeli Ödünleşimler: 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'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'in Avantajı: YOLO26 ile Tanış#

RTDETRv2 ve YOLOv10 etkileyici akademik gelişmeler sunsa da bunları gerçek dünya senaryolarına dağıtmak için güçlü ve bakımı iyi yapılan bir yazılım ekosistemi gerekir. Ultralytics Platformu, kullanım kolaylığını, kapsamlı belgeleri ve veri açıklama ile dağıtım için güçlü araçları bir araya getirerek geliştiricilere benzersiz bir deneyim sunar.

2026'da en yeni teknolojiyi arayan geliştiriciler için Ultralytics YOLO26 en iyi seçenektir. Her iki mimarinin de en iyi fikirlerini bir araya getirirken çığır açan iyileştirmeler sunar:

• Uçtan Uca NMS'siz Tasarım: YOLOv10'un öncülük ettiği yaklaşımı temel alan YOLO26, NMS son işlemesini atlayan isteğe bağlı bir bire-bir başlık (nms=False) sunar; böylece dağıtım mantığı basitleşir, dağıtım hızlanır ve gecikme daha tutarlı hâle gelir.
• DFL'nin Kaldırılması: Distribution Focal Loss'u kaldıran YOLO26, model dışa aktarımını basitleştirir ve uç cihazlarla düşük güç tüketen cihazlardaki uyumluluğu önemli ölçüde artırır.
• MuSGD Optimizasyon Algoritması: SGD ile Muon'un bir melezi olan ve LLM eğitimindeki yeniliklerden esinlenen bu yeni optimizasyon algoritması, geleneksel yöntemlere kıyasla daha kararlı eğitim ve önemli ölçüde daha hızlı yakınsama sağlar.
• %43'e Kadar Daha Hızlı CPU Çıkarımı: Özel GPU bulunmayan ortamlar için özenle optimize edilerek yüksek performanslı görüntü işleme yapay zekâsını herkes için erişilebilir kılar.
• ProgLoss + STAL: Bu gelişmiş kayıp fonksiyonları, dronların kullanıldığı uygulamalar ve IoT sensörleri için kritik önem taşıyan küçük nesne tanımada kayda değer iyileştirmeler sağlar.
• Eşsiz Çok Yönlülük: YOLO26, sınırlayıcı kutularla sınırlı modellerin aksine örnek segmentasyonu, poz tahminini, görüntü sınıflandırmasını ve OBB algılamayı içeren kapsamlı bir görev yelpazesini destekler; buna Poz için Residual Log-Likelihood Estimation (RLE) gibi göreve özel iyileştirmeler de dahildir.

Python ile Sorunsuz Uygulama#

Bu modelleri Ultralytics Python API ile eğitmek ve dağıtmak zahmetsiz olacak şekilde tasarlanmıştır. Eğitim sırasındaki bellek gereksinimleri, Transformer ağırlıklı mimarilere kıyasla belirgin ölçüde daha düşüktür; bu sayede güçlü modelleri standart donanımlarda eğitebilirsin.

from ultralytics import YOLO

# En yeni YOLO26 modelini yükle (önerilir)
# Alternatif olarak YOLO('yolov10n.pt') kullanarak bir YOLOv10 modeli yükle
model = YOLO("yolo26n.pt")

# Modeli özel veri kümenle eğit
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Uç cihazlara dağıtım için çeşitli biçimlere kolayca aktar
model.export(format="onnx", simplify=True)

İster güvenlik alarm sistemleri uyguluyor ister tıbbi görüntü analizi yapıyor ol, etkin Ultralytics topluluğunun desteklediği bir modeli seçmek; başarılı olman için gereken araçlara, hiperparametre ayarlama kılavuzlarına ve sürekli güncellemelere erişmeni sağlar. YOLOv10 ve RTDETRv2, NMS'siz mimarilerin önünü açarken YOLO26 bu yaklaşımı mükemmelleştirerek performans, çok yönlülük ve üretime hazır olma özellikleri arasında en iyi dengeyi sunar.