RTDETRv2 ile YOLOv7 karşılaştırması#

Bilgisayarlı görü dünyası, hem Evrişimli Sinir Ağlarındaki (CNN'ler) hem de Görsel Transformer'lardaki (ViT'ler) sürekli yeniliklerin etkisiyle son birkaç yılda önemli ölçüde genişledi. Dağıtımın için doğru mimariyi seçmek, hız, doğruluk ve hesaplama yükü arasındaki ince farkları anlamanı gerektirir. Bu kılavuz, oldukça saygın iki mimari olan RTDETRv2 ve YOLOv7 arasındaki teknik farkları incelerken, aynı zamanda yeni Ultralytics YOLO26 içerisindeki modern gelişmeleri de öne çıkarıyor.

RTDETRv2: Gerçek Zamanlı Tespit için Transformer Yaklaşımı#

RTDETRv2 (Gerçek Zamanlı Tespit Transformer'ı sürüm 2), geleneksel işlem sonrası adımlarına güvenmeden transformer tabanlı mimarilerin gerçek zamanlı senaryolarda etkili bir şekilde rekabet edebileceğini kanıtlamak için selefinin temelleri üzerine inşa edilmiştir.

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: RTDETRv2 Deposu

Mimari Öne Çıkanlar#

RTDETRv2 hibrit bir kodlayıcı ve bir transformer decoder mimarisi kullanır. Öz-dikkat mekanizmalarından yararlanarak modeli tüm görüntüyü bütüncül olarak işler ve sıkı bir şekilde yerelleştirilmiş evrişimli çekirdeklere göre karmaşık uzamsal ilişkileri daha iyi anlamasını sağlar. En belirgin özelliklerinden biri, yerel olarak NMS içermeyen tasarımıdır. Non-Maximum Suppression (NMS) özelliğini ortadan kaldırarak RTDETRv2, dağıtım sırasında değişken inference latency yaratan yaygın bir darboğazı ortadan kaldırır.

Güçlü ve Zayıf Yönler#

RTDETRv2'nin birincil gücü, karmaşık sahnelerdeki yoğun ve örtüşen nesneleri işleme yeteneğinde yatar. Transformer dikkat katmanları tarafından sağlanan küresel bağlam, özellikle örtüşmelerin sık olduğu senaryolarda onu oldukça doğru kılar.

Ancak bu durum hesaplama maliyetiyle birlikte gelir. Transformer modelleri geleneksel olarak CNN'lere kıyasla eğitim ve çıkarım sırasında daha yüksek bir bellek kaplama alanı gerektirir. Dahası, RTDETRv2 distributed training sırasında yakınsamak için genellikle daha fazla epoch gerektirir ve bu da özel veri setlerini ayarlayan geliştiriciler için daha uzun iterasyon döngülerine yol açar.

RTDETRv2 hakkında daha fazla bilgi edin

YOLOv7: Hız için bir CNN Temel Modeli#

RTDETRv2'den bir yıl önce yayınlanan YOLOv7, klasik YOLO çerçevesinde birkaç yapısal optimizasyon getirerek yayınlandığı dönemde CNN tabanlı gerçek zamanlı dedektörler için güçlü bir kıyaslama standardı belirledi.

Yazarlar: Chien-Yao Wang, Alexey Bochkovskiy ve Hong-Yuan Mark Liao
Kuruluş: Bilgi Bilimi Enstitüsü, Academia Sinica, Tayvan
Tarih: 2022-07-06
Arxiv: https://arxiv.org/abs/2207.02696
GitHub: YOLOv7 Deposu

Mimari Öne Çıkanlar#

YOLOv7'nin mimarisi, Extended Efficient Layer Aggregation Network (E-ELAN) konsepti etrafında kurulmuştur. Bu yaklaşım, gradyan yolunu optimize ederek modelin, hesaplama karmaşıklığını önemli ölçüde artırmadan daha etkili bir şekilde öğrenmesini sağlar. Yazarlar ayrıca uç cihazlarda çıkarım hızını etkilemeden eğitim sırasında model accuracy değerini artıran bir dizi yöntem olan "trainable bag-of-freebies" kavramını da tanıttı.

Güçlü ve Zayıf Yönler#

YOLOv7, standart nesne tespiti görevleri için son derece yetenekli bir model olmaya devam etmekte ve tüketici sınıfı GPU'larda mükemmel işlem hızları sunmaktadır. CNN yapısı, RTDETRv2 gibi transformer tabanlı modellere kıyasla eğitim sırasında genellikle daha az CUDA belleği gerektirdiği anlamına gelir.

Bu avantajlara rağmen YOLOv7, işlem sonrası için hala NMS'ye güvenir. Yüksek yoğunluklu tahminlerin olduğu ortamlarda, NMS adımı işlem süresinde dalgalanmalara neden olabilir ve bu da katı gerçek zamanlı garantileri zorlaştırır. Ayrıca, modern çerçevelere kıyasla örnek bölümleme ve poz tahmini gibi çeşitli görevleri ele alma süreci dağınık olabilir.

YOLOv7 hakkında daha fazla bilgi edinin

Performans Karşılaştırması#

Bu modelleri değerlendirmek, ortalama Ortalama Kesinlik (mAP), parametre sayısı ve çıkarım hızı arasındaki hassas dengenin incelenmesini gerektirir.

Modern Çözüm: YOLO26 ile Tanışın#

RTDETRv2 ve YOLOv7, computer vision applications alanının sınırlarını zorlamada çok önemli bir rol oynamış olsa da YZ manzarası hızla gelişmektedir. Ocak 2026'da piyasaya sürülen YOLO26, hem CNN verimliliğinin hem de transformer benzeri NMS içermeyen mimarilerin en iyi yönlerini birleştirir.

Yeni sistemler kuran geliştiriciler ve araştırmacılar için entegre Ultralytics Platformu ve Python ekosistemi, teknik borcu önemli ölçüde azaltan birleşik bir deneyim sağlar.

YOLO26'daki Temel Yenilikler#

• Uçtan Uca NMS'siz Tasarım: YOLO26 yerel olarak uçtan ucadır ve daha hızlı, daha basit bir dağıtım için NMS işlem sonrasını ortadan kaldırır. Bu çığır açan yaklaşım ilk olarak YOLOv10'da öncü olarak kullanılmış ve nesne yoğunluğundan bağımsız olarak kararlı gecikme süreleri sağlamıştır.
• %43'e Kadar Daha Hızlı CPU Çıkarımı: Özellikle edge computing ve GPU'su olmayan cihazlar için optimize edilmiştir; bu da onu ağır transformer modellerine kıyasla saha dağıtımları için çok daha esnek hale getirir.
• MuSGD Optimize Edici: SGD ve Muon'un (Moonshot AI'nin Kimi K2'sinden esinlenilmiştir) bir melezi olup, daha kararlı eğitim ve daha hızlı yakınsama için LLM eğitim yeniliklerini bilgisayarlı görüye taşır.
• DFL Kaldırma: Dağılımsal Odak Kaybı (Distribution Focal Loss) kaldırılmış, bu da gömülü NPU'lara ve TensorRT ortamlarına daha sorunsuz aktarım için basitleştirilmiş bir hesaplama grafiğiyle sonuçlanmıştır.
• ProgLoss + STAL: Geliştirilmiş kayıp fonksiyonları, robotics, IoT ve hava görüntüsü analizi için kritik önem taşıyan küçük nesne tanımada dikkate değer iyileştirmeler sağlar.
• Göreve Özel İyileştirmeler: YOLO26 sadece tespit için değildir. Bölümleme için çok ölçekli prototipler, poz takibi için Kalıntı Log-Olabilirlik Tahmini (RLE) ve yönlendirilmiş sınırlayıcı kutu (OBB) sınır sorunlarını ele alan özel açı kaybı özelliklerine sahiptir.

Kolaylaştırılmış Geliştirici Deneyimi#

YOLO26 (veya oldukça popüler olan YOLO11) gibi bir Ultralytics modeli seçmenin gerçek avantajı, bakımı iyi yapılan ekosistemidir. Özel bir veri kümesini eğitmek minimum ortak kod gerektirir:

from ultralytics import YOLO

# Initialize the state-of-the-art YOLO26 model
model = YOLO("yolo26s.pt")

# Train the model on the COCO8 dataset
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Export seamlessly for edge deployment
model.export(format="onnx", dynamic=True)

YOLO26 hakkında daha fazla bilgi edin

İdeal Kullanım Senaryoları ve Uygulamalar#

Bu mimariler arasında seçim yapmak, büyük ölçüde hedef donanıma ve özel operasyonel gereksinimlere bağlıdır.

RTDETRv2 Ne Zaman Düşünülmeli#

RTDETRv2, güçlü GPU'larla donatılmış sunucu tarafı işleme ortamlarında oldukça etkilidir. Küresel dikkat mekanizması, örtüşen özelliklerin derin bağlamsal analiz gerektirdiği, yoğun kalabalık etkinlik izleme veya özel tıbbi görüntüleme gibi karmaşık sahne anlama görevleri için uygundur.

YOLOv7 Ne Zaman Dikkate Alınmalı#

YOLOv7 genellikle eski akademik araştırmalarda temel karşılaştırma modeli olarak korunur. Ayrıca, mevcut hatların belirli PyTorch sürümleri için kodlandığı ve daha yeni çerçevelerin çoklu görev esnekliğine ihtiyaç duymayan eski endüstriyel dağıtımlarda da bulunur.

Neden YOLO26 Önerilen Standarttır#

Modern smart city altyapısı, drone navigation ve yüksek hızlı üretim için YOLO26 benzersiz bir denge sunar. Daha düşük bellek gereksinimleri, hyperparameter tuning ve eğitimi tüketici donanımında erişilebilir kılarken NMS içermeyen çıkarımı Raspberry Pi veya NVIDIA Jetson gibi kısıtlı uç cihazlarda hızlı yürütme sağlar.