Başla

RTDETRv2 ile YOLOv7

Son yıllarda bilgisayarlı görü, hem Evrişimli Sinir Ağlarındaki (CNN'ler) hem de Görsel Transformer'lardaki (ViT'ler) ilerlemelerle hızla gelişti. Dağıtım için bir mimari seçerken hız, doğruluk ve hesaplama yükü arasındaki ödünleşimleri anlamak gerekir. Bu kılavuz, iyi bilinen iki mimari olan RTDETRv2 ile YOLOv7 arasındaki teknik farkları karşılaştırır ve daha yeni Ultralytics YOLO26 modelini tanıtır.

RTDETRv2: Gerçek Zamanlı Algılamada Transformer Yaklaşımı#

RTDETRv2 (Gerçek Zamanlı Algılama Transformer'ı sürüm 2), Transformer tabanlı mimarilerin geleneksel son işleme adımlarına dayanmadan gerçek zamanlı senaryolarda rekabet edebildiğini göstermek üzere öncülünü temel alır.

Mimari Öne Çıkanlar#

RTDETRv2, hibrit bir kodlayıcı ve Transformer kod çözücüsü kullanır. Öz dikkat, modelin tüm görüntüyü aynı anda işlemesini sağlar; böylece katı biçimde yerel evrişim çekirdeklerinin gözden kaçırdığı mekânsal ilişkileri yakalayabilir. Ayırt edici özelliği, yerel olarak NMS'siz tasarımıdır. Maksimum Olmayan Bastırma (NMS) yöntemini ortadan kaldıran RTDETRv2, dağıtım sırasında değişken çıkarım gecikmesine yol açan yaygın bir darboğazı giderir.

Güçlü Yönler ve Sınırlamalar#

RTDETRv2'nin temel gücü, karmaşık sahnelerdeki yoğun ve örtüşen nesneleri işleyebilmesidir. Transformer dikkat katmanlarının sağladığı küresel bağlam, özellikle örtüşmelerin sık olduğu senaryolarda doğruluğu artırır.

Ancak bunun bir hesaplama maliyeti vardır. Transformer modelleri, eğitim ve çıkarım sırasında genellikle CNN'lerden daha fazla bellek kullanır. Bu durum, tüketici GPU'larında toplu iş boyutlarını sınırlar ve özel veri kümelerini ayarlayan geliştiricilerin yineleme döngülerini uzatabilir.

RTDETRv2 hakkında daha fazla bilgi edin

YOLOv7: Hız İçin Bir CNN Temeli#

RTDETRv2'den iki yıl önce yayımlanan YOLOv7, klasik YOLO çerçevesine çeşitli yapısal optimizasyonlar getirdi ve yayımlandığı dönemde CNN tabanlı gerçek zamanlı algılayıcılar için güçlü bir ölçüt belirledi.

Mimari Öne Çıkanlar#

YOLOv7'nin mimarisi, Genişletilmiş Verimli Katman Birleştirme Ağı (E-ELAN) kavramı üzerine kuruludur. Bu yaklaşım, gradyan yolunu optimize ederek modelin hesaplama karmaşıklığını büyük ölçüde artırmadan daha etkili öğrenmesini sağlar. Yazarlar ayrıca eğitim sırasında hesaplama maliyetini artırmadan model doğruluğunu artıran bir dizi yöntem olan "eğitilebilir ücretsiz avantajlar paketi"ni de tanıttı.

Güçlü Yönler ve Sınırlamalar#

YOLOv7, standart nesne algılama görevleri için yeterli kapasiteye sahip bir model olmaya devam ediyor ve tüketici GPU'larında hızlı çalışıyor. Bir CNN olarak, eğitim sırasında genellikle RTDETRv2 gibi transformer tabanlı modellere kıyasla daha az CUDA belleği gerektiriyor.

Bu avantajlara rağmen YOLOv7, son işleme için hâlâ NMS kullanıyor. Tahmin yoğunluğunun yüksek olduğu ortamlarda NMS adımı, işlem süresinde dalgalanmalara yol açarak kesin gerçek zamanlı garantiler vermeyi zorlaştırabilir. Ayrıca YOLOv7, örnek segmentasyonu ve poz tahmini gibi görevleri birleşik bir çatı altında değil, ayrı kod dallarında ele alıyor.

YOLOv7 hakkında daha fazla bilgi edin

Performans Karşılaştırması#

Aşağıdaki tablo, COCO doğrulama kümesindeki ortalama Hassasiyet Ortalamasını (mAP), parametre sayısını ve çıkarım hızını karşılaştırıyor.

Modelboyut
(piksel)
mAPval50-95Hız
CPU ONNX
(ms)
Hız
T4 TensorRT10
(ms)
parametre
(M)
FLOPs
(B)
RTDETRv2-s64048.1-5.032060
RTDETRv2-m64051.9-7.5136100
RTDETRv2-l64053.4-9.7642136
RTDETRv2-x64054.3-15.0376259
YOLOv7l64051.4-6.8436.9104.7
YOLOv7x64053.1-11.5771.3189.9
Performans Bağlamı

RTDETRv2-x, en yüksek mAP değerine (54.3) ulaşıyor ancak en fazla parametreye ve FLOPs değerine de sahip. YOLOv7l (51.4 mAP, 6.84 ms), RTDETRv2-m'den (51.9 mAP, 7.51 ms) biraz daha hızlıyken RTDETRv2-l (53.4 mAP, 9.76 ms), hem YOLOv7x'ten (53.1 mAP, 11.57 ms) daha doğru hem de daha hızlı. Burada hiçbir model için CPU hızları belirtilmediğinden özel GPU'lar olmadan düşük güç tüketimli ortamlarda çalışmayı hedefleyen kullanıcıların CPU çıkarımını kendilerinin karşılaştırması gerekir.

Modern Çözüm: YOLO26 ile Tanış#

RTDETRv2 ve YOLOv7, bilgisayarlı görü uygulamalarını ileri taşıdı ve alan gelişmeye devam etti. Ocak 2026'da yayımlanan YOLO26, CNN verimliliğini, transformer algılayıcılara benzer isteğe bağlı NMS'siz çıkarımla bir araya getiriyor.

Yeni sistemler geliştiren geliştiriciler ve araştırmacılar için entegre Ultralytics Platform ve Python ekosistemi, entegrasyon ve bakım işlerini azaltan birleşik bir iş akışı sunuyor.

YOLO26'daki Temel Yenilikler#

  • Uçtan Uca NMS'siz Tasarım: YOLO26, isteğe bağlı tek-tek başlığıyla (nms=False) NMS son işlemesini atlayarak yerel uçtan uca çıkarımı destekler; böylece dağıtım daha hızlı ve basit olur. İlk olarak YOLOv10 ile sunulan bu yaklaşım, nesne yoğunluğundan bağımsız olarak gecikmeyi sabit tutar.
  • CPU Çıkarımında %43'e Varan Hız Artışı: YOLO26n, CPU'da YOLO11n'den %43'e kadar daha hızlı çalışır. Bu özellik, daha ağır transformer modellerinin dağıtımının zor olduğu uç bilişim senaryolarına ve GPU'suz cihazlara uygundur.
  • MuSGD Optimizasyonu: SGD ile Muon'un melezi olan bu yöntem (Moonshot AI'ın Kimi K2'sinden esinlenmiştir), daha kararlı eğitim ve daha hızlı yakınsama için büyük dil modeli (LLM) eğitim tekniklerini bilgisayarlı görüye taşır.
  • DFL'nin Kaldırılması: Distribution Focal Loss kaldırılarak gömülü NPU'lara ve TensorRT ortamlarına daha sorunsuz aktarım sağlayan, sadeleştirilmiş bir hesaplama grafiği elde edildi.
  • ProgLoss + STAL: Aşamalı Kayıp ve Küçük Nesneye Duyarlı Etiket Atama (STAL), robotik, IoT ve hava görüntülerinin analizi için kritik önem taşıyan küçük nesnelerin tanınmasını iyileştirir.
  • Göreve Özel İyileştirmeler: YOLO26 yalnızca algılama için değildir. Segmentasyon için çok ölçekli prototipler, poz tahmini için Artık Log-Olasılık Tahmini (RLE) ve yönlendirilmiş sınırlayıcı kutu (OBB) sınır sorunlarını ele alan özel açı kaybı içerir.

Geliştirici Deneyimini Sadeleştirme#

YOLO26 gibi Ultralytics modellerinin (veya yaygın olarak kullanılan YOLO11'in) önemli bir avantajı, iyi bakımı yapılan ekosistemidir. Özel bir veri kümesi üzerinde eğitim yalnızca birkaç satır kodla yapılabilir:

from ultralytics import YOLO

# YOLO26 modelini başlat
model = YOLO("yolo26s.pt")

# Modeli COCO8 veri kümesinde eğit
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Uç dağıtım için dışa aktar
model.export(format="onnx", dynamic=True)

İdeal Kullanım Alanları ve Uygulamalar#

Bu mimariler arasındaki seçim, hedef donanıma ve belirli operasyonel gereksinimlere bağlıdır.

RTDETRv2'yi Ne Zaman Değerlendirmeli?#

RTDETRv2, güçlü GPU'larla donatılmış sunucu tarafı işleme ortamlarında etkilidir. Küresel dikkat mekanizması, örtüşen özelliklerin derin bağlamsal analiz gerektirdiği kalabalık etkinliklerin izlenmesi veya özel tıbbi görüntüleme gibi karmaşık sahneleri anlamaya uygun olmasını sağlar.

YOLOv7'yi Ne Zaman Tercih Etmeli?#

YOLOv7, akademik araştırmalarda temel karşılaştırma modeli olarak çoğu zaman eski sistemlerde kullanılmaya devam eder. Ayrıca mevcut işlem hatlarının belirli PyTorch sürümlerine göre sabit kodlandığı ve yeni çerçevelerin çok görevli esnekliğinin gerekmediği eski endüstriyel dağıtımlarda da kullanılır.

Modern akıllı şehir altyapısı, drone navigasyonu ve yüksek hızlı üretim için YOLO26, hız ve doğruluk arasında güçlü bir denge sunar. Daha düşük bellek gereksinimleri, hiperparametre ayarını ve eğitimi tüketici donanımlarında erişilebilir kılarken isteğe bağlı NMS'siz çıkarımı ve CPU optimizasyonları, Raspberry Pi veya NVIDIA Jetson gibi kaynakları kısıtlı uç cihazlara uygundur.

Diğer Karşılaştırmaları İncele

Bu modellerin diğer mimarilerle nasıl karşılaştırıldığını merak ediyor musun? Görüntü yapay zekâ projen için doğru seçeneği bulmak üzere YOLO11 ve RT-DETR ve YOLOv8 ve YOLOv7 hakkındaki ayrıntılı kılavuzlarımıza göz at.

Katkıda Bulunanlar

Yorumlar

Bir soru sor, sonuçlarını paylaş veya başka birine yardım et.