RTDETRv2 ile YOLOv6-3.0: Gerçek Zamanlı Transformer Modellerinin Endüstriyel CNN'lere Karşı Değerlendirilmesi

Bilgisayarlı görü dünyası sürekli gelişmekte ve geliştiricilere nesne tespiti için çok sayıda mimari seçenek sunmaktadır. Birbirinden farklı yaklaşımları temsil eden iki öne çıkan model, son teknoloji bir vision transformer olan RTDETRv2 ve endüstriyel uygulamalar için özel olarak optimize edilmiş, yüksek performanslı bir Evrişimli Sinir Ağı (CNN) olan YOLOv6-3.0'dır.

Bu kapsamlı teknik karşılaştırma, söz konusu modellerin mimarilerini, performans metriklerini ve ideal dağıtım senaryolarını incelemektedir. Ayrıca, daha geniş Ultralytics ekosisteminin nasıl üstün bir geliştirici deneyimi sunduğunu inceleyecek ve nihayetinde Ultralytics YOLO26 ile gelen yeni nesil yeteneklere bakacağız.

RTDETRv2: Vision Transformer Yaklaşımı

Baidu araştırmacıları tarafından geliştirilen RTDETRv2, orijinal RT-DETR'nin temelleri üzerine inşa edilmiştir ve transformer tabanlı nesne tespiti konusunda önemli bir sıçramayı temsil eder.

• Yazarlar: Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang ve Yi Liu
• Organizasyon: Baidu
• Tarih: 2024-07-24
• Arxiv: 2407.17140
• GitHub: lyuwenyu/RT-DETR
• Dokümanlar: RTDETRv2 GitHub README

Mimari Öne Çıkanlar

RTDETRv2, bir CNN özellik çıkarıcıyı güçlü bir transformer kod çözücü ile birleştiren hibrit bir mimari kullanır. Bu modelin en belirgin özelliği, doğası gereği NMS gerektirmeyen tasarımıdır. İşlem sonrası aşamasında NMS (Non-Maximum Suppression) ihtiyacını ortadan kaldırarak, modelin sınırlayıcı kutuları doğrudan tahmin etmesini sağlar; bu da dağıtımı basitleştirir ve çıkarım gecikmesini dengeler.

RTDETRv2'ye dahil edilen "Bag-of-Freebies", küresel dikkat mekanizmaları yerel evrişimlerden daha iyi uzamsal ilişkiler kurabildiğinden, karmaşık sahneleri ve örtüşen nesneleri ele alma yeteneğini geliştirir.

RTDETR hakkında daha fazla bilgi edin

YOLOv6-3.0: Endüstriyel İşleme Kapasitesinin Maksimuma Çıkarılması

Meituan Vision AI departmanından çıkan YOLOv6-3.0, GPU işleme kapasitesinin kritik önem taşıdığı endüstriyel hatlar için yeni nesil bir dedektör olarak özel olarak tasarlanmıştır.

• Yazarlar: Chuyi Li, Lulu Li, Yifei Geng, Hongliang Jiang, Meng Cheng, Bo Zhang, Zaidan Ke, Xiaoming Xu ve Xiangxiang Chu
• Kuruluş: Meituan
• Tarih: 2023-01-13
• Arxiv: 2301.05586
• GitHub: meituan/YOLOv6

Mimari Odak

YOLOv6-3.0, NVIDIA GPU'lar gibi donanım hızlandırıcılarındaki bellek erişim maliyetlerini en aza indirmek için titizlikle tasarlanmış bir EfficientRep belkemiğine dayanır. Boyun mimarisi, farklı ölçeklerde özellik füzyonunu iyileştirmek için çift yönlü bir birleştirme (BiC) modülüne sahiptir.

Eğitim sırasında, anchor tabanlı paradigmaların avantajlarından yararlanırken daha hızlı yürütme için anchor içermeyen bir çıkarım modunu korumak amacıyla Anchor-Aided Training (AAT) stratejisini kullanır. Sunucu sınıfı GPU'larda (ör. T4, A100) olağanüstü bir işleme kapasitesi sunsa da, özelleşmiş mimarisi sadece CPU içeren uç cihazlarda dağıtıldığında suboptimal gecikmelere yol açabilir.

YOLOv6 hakkında daha fazla bilgi edinin

Performans Karşılaştırması

Üretim ortamı için modelleri değerlendirirken, doğruluk (mAP) ile çıkarım hızı ve hesaplama maliyetini (FLOPs) dengelemek kritiktir. Aşağıdaki tablo, bu modellerin birbirine göre durumunu göstermektedir.

YOLOv6-3.0, TensorRT üzerindeki saf işlem hızında üstünlük sağlasa da, RTDETRv2 özellikle daha büyük model varyantlarıyla ölçeklendikçe daha yüksek mAP skorları elde eder. Ancak her iki model de modern birleşik çerçevelerde bulunan kapsamlı çok yönlülükten yoksundur. YOLOv6-3.0 öncelikle bir tespit uzmanıdır ve kutudan çıktığı haliyle instance segmentation ve pose estimation gibi görevler için yerel desteğe sahip değildir.

Kullanım Durumları ve Öneriler

RT-DETR ile YOLOv6 arasında seçim yapmak, proje gereksinimlerine, dağıtım kısıtlamalarına ve ekosistem tercihlerine bağlıdır.

Ne Zaman RT-DETR Seçilmeli?

RT-DETR şunlar için güçlü bir seçimdir:

• Transformer Tabanlı Algılama Araştırmaları: NMS gerektirmeyen uçtan uca nesne algılama için dikkat mekanizmalarını ve transformer mimarilerini araştıran projeler.
• Esnek Gecikmeli Yüksek Doğruluklu Senaryolar: Algılama doğruluğunun en önemli öncelik olduğu ve biraz daha yüksek çıkarım gecikmesinin kabul edilebilir olduğu uygulamalar.
• Büyük Nesne Algılama: Transformer'ların küresel dikkat mekanizmasının doğal bir avantaj sağladığı, ağırlıklı olarak orta-büyük ölçekli nesnelerin bulunduğu sahneler.

YOLOv6 Ne Zaman Seçilmeli?

YOLOv6 şunlar için önerilir:

• Endüstriyel Donanım Odaklı Dağıtım: Modelin donanım odaklı tasarımının ve verimli yeniden parametrelendirmenin belirli hedef donanımlarda optimize edilmiş performans sağladığı senaryolar.
• Hızlı Tek Aşamalı Algılama: Kontrollü ortamlarda gerçek zamanlı video işleme için GPU'da ham çıkarım hızına öncelik veren uygulamalar.
• Meituan Ekosistem Entegrasyonu: Hali hazırda Meituan'ın teknoloji yığını ve dağıtım altyapısı içinde çalışan ekipler.

Ne Zaman Ultralytics (YOLO26) Seçilmeli

Çoğu yeni proje için Ultralytics YOLO26 performans ve geliştirici deneyiminin en iyi kombinasyonunu sunar:

• NMS-Free Uç Dağıtımı: Non-Maximum Suppression işlem sonrası zorluğu olmadan tutarlı, düşük gecikmeli çıkarım gerektiren uygulamalar.
• Sadece CPU Ortamları: Özel GPU hızlandırması olmayan, YOLO26'nın %43'e kadar daha hızlı CPU çıkarımının belirleyici bir avantaj sağladığı cihazlar.
• Küçük Nesne Algılama: ProgLoss ve STAL'ın küçük nesneler üzerindeki doğruluğu önemli ölçüde artırdığı hava drone görüntüleri veya IoT sensör analizi gibi zorlu senaryolar.

Ultralytics Avantajı

Doğru modeli seçmek, sadece ham benchmark verilerinden fazlasını gerektirir; geliştirici deneyimi, dağıtım esnekliği ve ekosistem desteği aynı derecede önemlidir. Ultralytics platformuna entegre edilmiş modelleri kullanarak, kullanıcılar statik araştırma depolarına kıyasla önemli avantajlar elde ederler.

• Kullanım Kolaylığı: ultralytics Python paketi sorunsuz bir API sunar. Modelleri eğitmek, doğrulamak ve dışa aktarmak sadece birkaç satır kod alır.
• İyi Desteklenen Ekosistem: İzole akademik depoların aksine, Ultralytics Platform aktif olarak güncellenir. ONNX, OpenVINO ve CoreML gibi araçlar için güçlü entegrasyonlara sahiptir.
• Eğitim Verimliliği: Ultralytics modelleri, eğitim sırasında genellikle RTDETRv2 gibi transformer mimarilerine kıyasla önemli ölçüde daha az VRAM tüketir, bu da tüketici sınıfı donanımlarda daha büyük yığın boyutlarına olanak tanır.
• Çok Yönlülük: YOLOv6-3.0'ın odaklanmış kapsamının aksine, Ultralytics modelleri çok modludur ve tek bir birleşik çerçeve içinde image classification, oriented bounding boxes (OBB) ve segmentasyon desteğini yerel olarak sunar.

YOLO26 ile Tanış: En Üstün Çözüm

RTDETRv2 ve YOLOv6-3.0 belirli avantajlar sunsa da, alan hızla ilerliyor. Yeni bilgisayarlı görü projelerine başlayan ekipler için, Ultralytics tarafından Ocak 2026'da yayınlanan YOLO26 modelini şiddetle tavsiye ediyoruz.

YOLO26, endüstriyel CNN'lerin ve modern transformer'ların güçlü yönlerini sentezlerken, her birinin zayıf yanlarını ortadan kaldırır:

• Uçtan Uca NMS-Free Tasarım: İlk olarak YOLOv10 ile tanıtılan çığır açan tasarımı benimseyen YOLO26, NMS işlem sonrası aşamasını yerel olarak ortadan kaldırır ve RTDETRv2'ye benzer ancak çok daha az ek yük ile kararlı ve öngörülebilir bir dağıtım sağlar.
• MuSGD Optimize Edici: Gelişmiş LLM eğitim tekniklerinden (Moonshot AI'nın Kimi K2'si gibi) esinlenen bu hibrit optimize edici, geleneksel vision transformer'ların kötü şöhretli kararsızlığının üstesinden gelerek kararlı eğitim ve daha hızlı yakınsama sağlar.
• Uç Cihazlar İçin Optimize Edildi: Önceki nesillere göre %43'e varan daha hızlı CPU çıkarımı ve Distribution Focal Loss (DFL) bileşeninin stratejik olarak kaldırılması sayesinde YOLO26, GPU hızlandırmasının bulunmadığı mobil ve IoT cihazları için mükemmel şekilde uygundur.
• ProgLoss + STAL: Bu gelişmiş kayıp fonksiyonları, CNN'ler için tarihi bir zorluk olan küçük nesne tanıma konusunda önemli iyileştirmeler sağlar ve YOLO26'yı hava görüntüleri ve robotik için ideal hale getirir.

Eğitim Örneği

Sezgisel Ultralytics API, en gelişmiş modelleri sorunsuz bir şekilde eğitmenize olanak tanır. Aşağıda, YOLO26 Nano modelini COCO8 veri kümesi üzerinde nasıl eğiteceğinizi gösteren çalıştırılabilir bir örnek bulunmaktadır:

from ultralytics import YOLO

# Load the newly released YOLO26 Nano model
model = YOLO("yolo26n.pt")

# Train the model on the COCO8 dataset for 50 epochs
# The Ultralytics engine handles data caching and augmentation automatically
train_results = model.train(data="coco8.yaml", epochs=50, imgsz=640)

# Validate the model's performance
metrics = model.val()
print(f"Validation mAP50-95: {metrics.box.map}")

# Export the trained model to ONNX format for production
model.export(format="onnx")

Özet

RTDETRv2 ve YOLOv6-3.0 karşılaştırıldığında, karar büyük ölçüde donanımınıza ve gecikme kısıtlamalarınıza bağlıdır. RTDETRv2, karmaşık örtüşen nesneleri işlemenin kritik olduğu araştırma ortamlarında ve sunucu tarafı işleme süreçlerinde parlar. YOLOv6-3.0, güçlü NVIDIA GPU'larla donatılmış yüksek iş hacimli üretim hatları için güçlü bir seçenek olmaya devam etmektedir.

Ancak, transformer'ların NMS gerektirmeyen şıklığını, CNN'lerin göz kamaştıran hızı ve düşük bellek kullanımıyla birleştiren en iyi çözümü arayan geliştiriciler için YOLO26 rakipsizdir. Ultralytics ekosisteminin kapsamlı dokümantasyonu ve aktif topluluğu tarafından desteklenen YOLO26, yapay zeka projelerinizin dayanıklı, ölçeklenebilir ve geleceğe hazır olmasını sağlar.