RTDETRv2 ile YOLOv10
Bilgisayarlı görü, büyük ölçüde hız ile doğruluğu dengeleme gereksinimiyle gelişmiştir. Gerçek zamanlı nesne algılama işlem hatları geleneksel olarak örtüşen sınırlayıcı kutuları filtrelemek için son işleme adımı olarak Maksimum Olmayan Bastırma (NMS) yöntemine dayanır. Ancak NMS gecikme ekler ve eşik ayarı gerektirir. İki mimari yaklaşım NMS'yi modelin kendisinden kaldırır: RTDETRv2 gibi Transformer tabanlı modeller ve YOLOv10 gibi CNN tabanlı modeller.
Bu kılavuz, iki modelin mimarilerini, performans ölçütlerini ve ideal kullanım alanlarını karşılaştırır ve modern dağıtımlar için en yeni modellerin Ultralytics ekosistemindeki yerini gösterir.
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'den kaçınan uçtan uca bir Transformer mimarisi kullanır. Eğitim stratejisini optimize eden ve çok ölçekli algılama yeteneklerini içeren "Bag-of-Freebies" yaklaşımını sunarak öncülünün üzerine gelişir. Model, özellik haritalarını (kenarlar ve dokular gibi görsel ayrıntılar) çıkarmak için bir CNN omurgası kullanır; bu haritalar daha sonra Transformer kodlayıcı-kod çözücü yapısında işlenir. Böylece model tüm görüntünün bağlamını eşzamanlı olarak analiz edebilir ve nesnelerin yoğun biçimde bulunduğu veya örtüştüğü 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'lerden daha fazla CUDA belleği gerektirir; bu da standart donanımlarda ince ayar yapmayı maliyetli hâle getirir.
- 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:
- Düşük Gecikme: NMS'yi kaldırarak ve mimariyi optimize ederek YOLOv10, çok 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#
Üretim için modelleri değerlendirirken doğruluk, hesaplama maliyetine göre tartılmalıdır. Aşağıdaki tablo, COCO'da RTDETRv2 ve YOLOv10 boyutları arasındaki ödünleşimleri gösterir.
| 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 |
| YOLOv10n | 640 | 38.5 | - | 1.84 | 2.3 | 6.7 |
| YOLOv10s | 640 | 46.3 | - | 2.49 | 7.2 | 21.6 |
| YOLOv10m | 640 | 51.1 | - | 4.74 | 15.4 | 59.1 |
| YOLOv10b | 640 | 52.5 | - | 5.74 | 19.1 | 92.0 |
| YOLOv10l | 640 | 53.2 | - | 7.28 | 24.4 | 120.3 |
| YOLOv10x | 640 | 54.4 | - | 10.70 | 29.5 | 160.4 |
RTDETRv2 küçük, orta ve büyük ölçeklerde biraz daha doğrudur (YOLOv10s, m ve l için 46.3, 51.1 ve 53.2 değerlerine karşı 48.1, 51.9 ve 53.4 mAP); ancak YOLOv10 her ölçekte daha hızlı ve daha küçüktür. YOLOv10x, doğrulukta RTDETRv2-x ile eşleşir (54.4'e karşı 54.3 mAP); 76M yerine 29.5M parametreye sahiptir ve TensorRT gecikmesi 15.03 ms yerine 10.70 ms'dir. Nano ve küçük sürümler, YOLOv10'u uç bilişim ve AIoT uygulamaları için cazip kılar.
Yığın boyutunun ve VRAM'in daha az kısıtlı olduğu sunucu sınıfı GPU'larda dağıtım yapıyorsan daha büyük modeller (-x veya -l gibi) doğruluğu en üst düzeye çıkarır. Raspberry Pi ya da cep telefonları gibi uç cihazlarda gerçek zamanlı kare hızlarını korumak için nano (-n) veya small (-s) sürümleri tercih et.
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: Özel GPU hızlandırması olmayan cihazlarda YOLO26n'in CPU'da YOLO11n'den %43'e kadar daha hızlı çıkarım yapması belirleyici bir avantaj sağlar.
- Küçük Nesne Algılama: Havadan drone görüntüleri veya IoT sensör analizi gibi zorlu senaryolarda ProgLoss ve STAL, küçük nesnelerin doğruluğunu artırır.
Ultralytics'in Avantajı: YOLO26 ile Tanış#
RTDETRv2 ve YOLOv10 güçlü araştırma katkılarıdır; ancak bunları gerçek dünya senaryolarına dağıtmak, iyi bakımlı bir yazılım ekosistemi gerektirir. Ultralytics Platform, kullanım kolaylığını, kapsamlı belgeleri ve veri etiketleme ile dağıtım araçlarını bir araya getirir.
2026'da başlayacak yeni projeler için Ultralytics YOLO26 önerilen modeldir. Her iki mimariden fikirleri temel alır ve çeşitli iyileştirmeler ekler:
- Uçtan Uca NMS'siz Tasarım: YOLO modellerine YOLOv10 tarafından kazandırılan NMS'siz eğitim yaklaşımını temel alan YOLO26, NMS son işlemesini atlayan isteğe bağlı bir bire bir başlık (
nms=False) sunar; bu da daha hızlı, daha basit dağıtım mantığı ve daha tutarlı gecikme sağlar. - DFL'nin Kaldırılması: Distribution Focal Loss'u kaldıran YOLO26, modelin dışa aktarımını basitleştirir ve uç cihazlarla düşük güçlü cihazlarla uyumluluğu artırır.
- MuSGD Optimizasyonu: LLM eğitim tekniklerinden esinlenen SGD ve Muon hibriti olan bu optimizasyon, daha kararlı eğitim ve daha hızlı yakınsama sağlar.
- CPU'da %43'e Varan Hızlı Çıkarım: YOLO26n, ONNX ile CPU'da YOLO11n'den %43'e kadar daha hızlı çalışır; bu da özel GPU'ların bulunmadığı ortamlarda yardımcı olur.
- ProgLoss + STAL: Aşamalı Kayıp ve Küçük Nesne Farkındalıklı Etiket Ataması (STAL), küçük nesnelerin tanınmasını iyileştirir; bu, dron kullanan uygulamalar ve IoT sensörleri için kritik önemdedir.
- Çoklu Görev Desteği: Sınırlayıcı kutularla sınırlı modellerin aksine YOLO26, örnek segmentasyonunu, anlamsal segmentasyonu, derinlik tahminini, görüntü sınıflandırmasını, poz tahminini ve OBB algılamasını da destekler; Poz için Artık Log-Olasılık Tahmini (RLE) gibi göreve özgü iyileştirmeler içerir.
Python ile Uygulama#
Bu modelleri Ultralytics Python API kullanarak eğitmek ve dağıtmak kolay olacak şekilde tasarlanmıştır. Eğitim sırasındaki bellek gereksinimleri Transformer ağırlıklı mimarilere göre daha düşüktür; bu da standart donanımlarda güçlü modeller eğitmene olanak tanır.
from ultralytics import YOLO
# YOLO26 modelini yükle (önerilen)
# 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)Güvenlik alarm sistemleri kuruyor veya tıbbi görüntü analizi gerçekleştiriyor olsan da etkin Ultralytics topluluğu tarafından desteklenen bir model seçmek, başarı için gereken araçlara, hiperparametre ayarlama kılavuzlarına ve sürekli güncellemelere erişmeni sağlar. YOLOv10 ve RTDETRv2, NMS'siz mimarilerin önünü açtı; YOLO26 ise bu çalışmayı performans, çok yönlülük ve üretime hazır olma arasında güçlü bir dengeyle ileri taşıyor.
Yorumlar
Bir soru sor, sonuçlarını paylaş veya başka birine yardım et.