RTDETRv2 ile YOLOv8
Nesne algılama bilgisayarlı görü modelleri giderek iki gruba ayrılıyor: Evrişimli Sinir Ağları (CNN'ler) ve daha yeni Transformer tabanlı mimariler. Bu teknik karşılaştırma, gerçek zamanlı algılama Transformer'ı RTDETRv2'yi, yaygın olarak benimsenen CNN modellerinden biri olan Ultralytics YOLOv8 ile karşılaştırıyor. Her iki model de yeteneklidir; ancak mimarileri eğitim, dağıtım kısıtları ve performans açısından belirgin farklılıklara yol açar.
Modele Genel Bakış: RTDETRv2#
RTDETRv2 (Gerçek Zamanlı Algılama Transformer'ı sürüm 2), Transformer mimarisini gerçek zamanlı çıkarım için optimize ederek özgün RT-DETR modelini temel alır.
Önemli Teknik Ayrıntılar:
- Yazarlar: Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang ve Yi Liu
- Kurum: Baidu
- Tarih: 2024-07-24
- Bağlantılar: arXiv Yayını | GitHub Deposu
Mimari ve Güçlü Yönler#
RTDETRv2, CNN omurgasını Transformer kodlayıcı-kod çözücüsüyle birleştiren hibrit bir mimari kullanır. Bu sayede model tüm görüntüyü aynı anda değerlendirebilir ve örtüşen nesnelerin bulunduğu karmaşık sahneleri daha iyi işleyebilir. Ayırt edici özelliği, Maksimum Olmayan Bastırma (NMS) son işlemesini atlayan yerel uçtan uca tasarımıdır. Bu, algılama hattının son aşamalarındaki algoritmik karmaşıklığı azaltır. Çok ölçekli özellikleri, hem büyük yapıları hem de arka plandaki küçük öğeleri algılamasına yardımcı olur.
Zayıf Yönler#
Güçlü bağlamsal kavrayışlarına rağmen RTDETRv2 gibi Transformer tabanlı mimarilerin eğitim sırasındaki hesaplama yükü yüksektir. Daha fazla CUDA belleğine ihtiyaç duyarlar; bu da tüketici sınıfı donanımlarda eğitilmelerini zorlaştırır. Resmî depoda özel bir veri kümesi oluşturmak ve eğitim hiperparametrelerini ayarlamak da yeni başlayanlara yönelik yazılım sarmalayıcısı bulunmadığından genellikle alan bilgisi gerektirir. Dikkat katmanlarının hesaplama maliyeti yüksek olduğu için eski Raspberry Pi donanımları gibi düşük güçlü uç cihazlara dağıtım da zorlayıcı olabilir.
RTDETRv2 hakkında daha fazla bilgi edin
Modele Genel Bakış: YOLOv8#
Ultralytics YOLOv8, yayımlandığından beri güçlü doğruluğu basit geliştirici deneyimiyle birleştirerek üretim amaçlı bilgisayarlı görüde yaygın olarak kullanılan bir standart hâline geldi.
Önemli Teknik Ayrıntılar:
- Yazarlar: Glenn Jocher, Ayush Chaurasia ve Jing Qiu
- Kuruluş: Ultralytics
- Tarih: 10 Ocak 2023
- Bağlantılar: Resmî Dokümantasyon | GitHub Deposu
Mimari ve Güçlü Yönler#
YOLOv8, önceki YOLO nesillerine kıyasla nesne konumlandırma ve sınıflandırma doğruluğunu artıran, ayrık başlıklı çapasız bir CNN mimarisi kullanır. Başlıca güçlü yönleri verimlilik ve çok yönlülüktür. Bu mimari, eğitim sırasında görsel Transformer'lara göre daha az bellek gerektirir; böylece uygulayıcılar standart GPU'larda daha büyük toplu işlem boyutları kullanabilir. Ultralytics ekosistemi de kolaylaştırılmış bir iş akışı sunar: birleşik Python API'si, yalnızca birkaç satır kodla hiperparametre ayarlama, eğitim, doğrulama ve dışa aktarma işlemlerini gerçekleştirir.
Zayıf Yönler#
YOLOv8, son işleme aşamasında geleneksel NMS'ye dayanır. Ultralytics motoru bu işlemi arka planda verimli biçimde gerçekleştirse de yerel olarak NMS gerektirmeyen mimarilerle karşılaştırıldığında teknik olarak küçük bir son işleme gecikmesine yol açar.
Performans ve Metrik Karşılaştırması#
Aşağıdaki tablo, COCO doğrulama doğruluğunu (mAP), CPU ve T4 TensorRT hızını, parametreleri ve FLOP'ları karşılaştırır. İki model ailesi, dağıtım hattının farklı aşamalarına öncelik verir.
| 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 |
| YOLOv8n | 640 | 37.3 | 80.4 | 1.47 | 3.2 | 8.7 |
| YOLOv8s | 640 | 44.9 | 128.4 | 2.66 | 11.2 | 28.6 |
| YOLOv8m | 640 | 50.2 | 234.7 | 5.86 | 25.9 | 78.9 |
| YOLOv8l | 640 | 52.9 | 375.2 | 9.06 | 43.7 | 165.1 |
| YOLOv8x | 640 | 53.9 | 479.1 | 14.37 | 68.2 | 257.8 |
RTDETRv2-x, YOLOv8x'ten (53.9) biraz daha yüksek bir tepe mAP değerine (54.3) ulaşır ve RTDETRv2, karşılaştırılabilir her boyutta daha doğrudur. Küçük boyutlarda YOLOv8 daha hızlıdır: YOLOv8s, TensorRT'de RTDETRv2-s'nin neredeyse iki katı hızla (2.66 ms'ye karşı 5.03 ms), parametrelerin neredeyse yarısıyla ve 3.2 puan daha düşük mAP ile çalışır. Büyük boyutlarda YOLOv8l ve RTDETRv2-l benzer hız ve boyutlara sahiptir. Burada CPU ONNX hızlarını yalnızca YOLOv8 bildirir.
Bellek Gereksinimleri ve Eğitim Verimliliği#
Eğitim maliyeti, bağımsız geliştiriciler ve kurumsal ekipler için eşit derecede önemlidir. Ultralytics YOLO modelleri, eğitim sürecinde genellikle Transformer mimarilerinden daha az CUDA belleği gerektirir. Standart bir RTDETRv2 modeli tüketici sınıfı bir GPU'da darboğaz oluşturabilirken YOLOv8, NVIDIA RTX 4070 gibi donanımlarda güvenilir biçimde eğitilir.
Ekosistem, API ve Kullanım Kolaylığı#
Destekleyici yazılım çerçevesi de önemli bir fark yaratır. Ultralytics ekosistemi, mühendislik işlerinin büyük bölümünü üstlenir; Discord üzerindeki etkin geliştirme, kapsamlı belgeler ve topluluk desteği projelerin ilerlemesine yardımcı olur.
YOLOv8, nesne algılamanın ötesine geçerek örnek segmentasyonu, görüntü sınıflandırmasını, poz tahminini ve yönlendirilmiş sınırlayıcı kutuları (OBB) yerel olarak destekler. RTDETRv2 yalnızca algılamaya odaklanır.
Kod Örneği: Birleşik Sadelik#
Ultralytics Python API'si her iki model ailesini de aynı arayüzle çalıştırır.
from ultralytics import RTDETR, YOLO
# Bir RT-DETR modeli ve bir YOLOv8 modeli yükle
model_transformer = RTDETR("rtdetr-l.pt")
model_cnn = YOLO("yolov8l.pt")
# Örnek bir görüntü üzerinde tahmini aynı API'yi kullanarak yap
results_transformer = model_transformer("https://ultralytics.com/images/bus.jpg")
results_cnn = model_cnn("https://ultralytics.com/images/bus.jpg")
# Hızlı uç dağıtımı için YOLOv8'i ONNX'e aktar
model_cnn.export(format="onnx")Eğitildikten sonra YOLOv8, donanım arka uçlarında verimli çıkarım için tek satırda ONNX, TensorRT ve OpenVINO biçimlerine aktarılır.
Kullanım Alanları ve Öneriler#
RT-DETR ile YOLOv8 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.
YOLOv8'i Ne Zaman Seçmeli?#
YOLOv8 şu durumlarda önerilir:
- Çok Görevli Esnek Dağıtım: Ultralytics ekosisteminde algılama, segmentasyon, sınıflandırma ve poz tahmini için kendini kanıtlamış bir model gerektiren projeler.
- Yerleşik Üretim Sistemleri: YOLOv8 mimarisi üzerine kurulmuş, kararlı ve iyi test edilmiş dağıtım işlem hatlarına sahip mevcut üretim ortamları.
- Geniş Topluluk ve Ekosistem Desteği: YOLOv8'in kapsamlı eğitim içeriklerinden, üçüncü taraf entegrasyonlarından ve etkin topluluk kaynaklarından yararlanan uygulamalar.
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.
İleriye Bakış: YOLO26'nın Avantajı#
YOLOv8 önemli bir kilometre taşı model olmaya devam ediyor, ancak bilgisayarlı görü hızla gelişiyor. 2026'da yeni projelere başlayan ekipler için Ultralytics YOLO26 önerilen halef modeldir.
RTDETRv2'nin NMS'siz tasarımı ilgini çekiyorsa YOLO26, Transformer'ların son işleme basitliğini CNN'lerin hızıyla birleştiren isteğe bağlı bir Uçtan Uca NMS'siz Tasarım (nms=False) sunar. YOLO26 ayrıca, daha kararlı eğitim ve daha hızlı yakınsama için büyük dil modeli (LLM) eğitim tekniklerini görsel modellere taşıyan MuSGD Optimizasyonunu kullanır. Daha basit dışa aktarma ve uç/düşük güçlü cihazlarla daha iyi uyumluluk için Distribution Focal Loss'un kaldırıldığı DFL'nin Kaldırılması sayesinde YOLO26n, YOLO11n'den CPU'da %43'e kadar daha hızlı çıkarım gerçekleştirir. Küçük nesne algılamayı iyileştiren ProgLoss + STAL (Aşamalı Kayıp ve Küçük Nesne Farkındalıklı Etiket Ataması) ile birlikte YOLO26, hem YOLOv8 hem de RTDETRv2 için önerilen yükseltme yoludur.
Alternatif modeller için YOLO11 sayfasına bak veya YOLO ailesinde NMS'siz mimarinin nasıl geliştiğini görmek için YOLOv10 ile YOLOv8'in ayrıntılı karşılaştırmasını oku.
Yorumlar1
Bir soru sor, sonuçlarını paylaş veya başka birine yardım et.
CathyFisher(düzenlendi)
Excellent technical comparison! RTDETRv2’s transformer-based architecture brings impressive accuracy and end-to-end detection without the need for NMS, which is quite innovative. However, this YOLOv8 comparison shows that v8 still excels in real-time performance, lighter deployment, and ease of customization. It’s clear that RTDETRv2 is pushing boundaries, but YOLOv8 remains a go-to for many practical applications due to its balance of speed and flexibility.