RTDETRv2 ile YOLOv9
Bilgisayarlı görü mimarileri iki ana yaklaşıma ayrılmıştır: Evrişimli Sinir Ağları (CNN'ler) ve Transformer tabanlı modeller. RTDETRv2 ile YOLOv9'u karşılaştırmak, küresel dikkati programlanabilir gradyan bilgisiyle tartmayı gerektirir. Her ikisi de gerçek zamanlı nesne algılamaya yönelik yaklaşımlarının güçlü temsilcileridir.
Modellere Giriş#
RTDETRv2: Gerçek Zamanlı Algılama Transformer'ı#
Baidu araştırmacıları tarafından geliştirilen RTDETRv2, temel Gerçek Zamanlı Algılama Transformer'ını geliştirmek için "Bag-of-Freebies" yaklaşımını sunarak özgün RT-DETR modelini temel alır. Transformer'ların geleneksel darboğazı olan çıkarım hızını ele alır ve onları gerçek zamanlı uygulamalarda kullanılabilir hâle getirir.
- Yazarlar: Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang ve Yi Liu
- Kurum: Baidu
- Tarih: 2024-07-24
- Bağlantılar: arXiv, GitHub
RTDETRv2'nin belirleyici özelliklerinden biri, yerel uçtan uca NMS'siz tasarımıdır. Maksimum Olmayan Bastırma (NMS) yöntemini son işlemeden kaldırarak çıkarım gecikmesini kararlı hâle getirir ve dağıtım hattını basitleştirir. Küresel dikkat mekanizması, tüm görüntü bağlamını aynı anda değerlendirdiği için karmaşık sahnelerde ve yoğun kalabalıklarda modele yardımcı olur.
RTDETRv2 hakkında daha fazla bilgi edin
YOLOv9: Programlanabilir Gradyan Bilgisi#
Verimli ve CNN tabanlı bir mimari olan YOLOv9, derin sinir ağlarının doğasında bulunan bilgi darboğazı sorununu ele alır. Programlanabilir Gradyan Bilgisini (PGI) ve Genelleştirilmiş Verimli Katman Birleştirme Ağını (GELAN) sunar.
- Yazarlar: Chien-Yao Wang ve Hong-Yuan Mark Liao
- Kuruluş: Academia Sinica Bilgi Bilimi Enstitüsü
- Tarih: 21 Şubat 2024
- Bağlantılar: arXiv, GitHub
YOLOv9, parametre verimliliğine odaklanan, kendini kanıtlamış evrişimli sinir ağı temellerini kullanır. İleri besleme sürecinde önemli bilgileri koruyarak PGI, gradyanların güvenilir kalmasını sağlar ve böylece hafif ama doğru bir model ortaya çıkar. Ancak RTDETRv2'nin aksine YOLOv9, standart NMS son işlemesine dayanmaya devam eder.
YOLOv9 hakkında daha fazla bilgi edin
Performans ve Kaynak Verimliliği#
Aşağıdaki tablo, MS COCO veri kümesindeki ortalama Ortalama Hassasiyeti (mAP) ve hesaplama maliyetini karşılaştırır. YOLOv9, benzer doğrulukta çok daha az parametre kullanır (YOLOv9m, RTDETRv2-m'nin 51.9 mAP ve 36M parametresine karşılık 51.4 mAP ve 20.1M parametreye ulaşır) ve YOLOv9e hariç her boyutta T4 TensorRT'de daha hızlıdır. YOLOv9e en yüksek mAP değerine (55.6) ulaşır, ancak tablodaki en yavaş modeldir (16.77 ms).
| 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 |
| YOLOv9t | 640 | 38.3 | - | 2.3 | 2.0 | 7.7 |
| YOLOv9s | 640 | 46.8 | - | 3.54 | 7.2 | 26.7 |
| YOLOv9m | 640 | 51.4 | - | 6.43 | 20.1 | 76.8 |
| YOLOv9c | 640 | 53.0 | - | 7.16 | 25.5 | 102.8 |
| YOLOv9e | 640 | 55.6 | - | 16.77 | 58.1 | 192.5 |
Bellek Gereksinimleri ve Eğitim Verimliliği#
RTDETRv2 gibi Transformer'lar eğitim sırasında belleği yoğun kullanır ve genellikle önemli miktarda CUDA belleği gerektirir. YOLOv9 gibi CNN mimarileri ve diğer Ultralytics YOLO modelleri genellikle daha az bellek kullanır; bu da geliştiricilerin tüketici sınıfı donanımlarda daha büyük toplu işlem boyutlarıyla eğitim yapmasını sağlar.
Donanımından en iyi şekilde yararlanmak için bulut eğitimi amacıyla Ultralytics Platform'u değerlendirebilirsin. Platform, ortam kurulumunu ve toplu işlem boyutlarını otomatik olarak yönetir.
Ultralytics Avantajı: Ekosistem ve Kullanım Kolaylığı#
Resmî RTDETRv2 veya YOLOv9 GitHub sayfaları gibi bağımsız depolar araştırma için kullanışlıdır; ancak üretim ortamları kararlılık, kullanım kolaylığı ve iyi bakımlı bir ekosistem gerektirir. Bu modelleri Ultralytics Python API aracılığıyla kullanmak, tutarlı bir geliştirici deneyimi sunar.
Birleşik API ve Çok Yönlülük#
Ultralytics çerçevesi, veri yükleme, artırma ve dağıtık eğitim karmaşıklıklarını ortadan kaldırır. Ayrıca özgün RTDETRv2 yalnızca algılamaya odaklanırken Ultralytics ekosistemi, kullanıcıların Nesne Algılama, Örnek Segmentasyonu ve Poz Tahmini arasında geçiş yapmasına olanak tanır.
from ultralytics import RTDETR, YOLO
# Özel veriler üzerinde bir YOLOv9 modeli eğit
model_yolo = YOLO("yolov9c.pt")
model_yolo.train(data="coco8.yaml", epochs=50, imgsz=640)
# Karmaşık sahne değerlendirmesi için RT-DETR'ye kolayca geç
model_rtdetr = RTDETR("rtdetr-l.pt")
results = model_rtdetr.predict("https://ultralytics.com/images/bus.jpg")
# TensorRT gibi üretime hazır biçimlere aktar
model_yolo.export(format="engine")Kapsamlı belgeler, otomatik deney takibi ve ONNX, TensorRT ve OpenVINO gibi biçimlere dışa aktarma özellikleriyle Ultralytics, prototipten üretime geçiş süresini kısaltır.
İdeal Kullanım Alanları#
RTDETRv2'nin Öne Çıktığı Alanlar#
Küresel dikkat mekanizması sayesinde RTDETRv2, sunucu tarafında işleme ve küresel bağlamın önemli olduğu ortamlar için uygundur. Şu alanlarda iyi performans gösterir:
- Tıbbi Görüntüleme: Çevresindeki bağlamın kritik olduğu ince anormallikleri belirleme.
- Hava Gözetimi: Geniş mekânsal bağlamın sahneyi yorumlamaya yardımcı olduğu yüksek çözünürlüklü dron görüntülerini analiz etme.
- Yoğun Kalabalık Analizi: NMS'nin örtüşen gerçek algılamaları bastırabileceği kalabalık sahnelerde kişileri algılama.
YOLOv9'un Öne Çıktığı Alanlar#
YOLOv9, kaynakları kısıtlı uç dağıtımları için oldukça uygundur. Hesaplama verimliliği şu alanlara elverişlidir:
- Robotik: En düşük gecikmenin gerektiği gerçek zamanlı navigasyon ve engellerden kaçınma.
- Akıllı Şehir IoT: Trafik izleme için NVIDIA Jetson gibi uç cihazlara dağıtım.
- Endüstriyel Denetim: Saniyede yüksek kare hızı (FPS) gerektiren, yüksek hızlı montaj hattı kalite kontrolü.
Gelecek: Ultralytics YOLO26 ile Tanış#
YOLOv9 ve RTDETRv2 önemli ilerlemelerdi ve alan gelişmeye devam etti. Yeni dağıtımlar için Ocak 2026'da yayımlanan Ultralytics YOLO26, her iki mimari yaklaşımın fikirlerini bir araya getirir.
YOLO26, Transformer'ların ve CNN'lerin güçlü yönlerini bir araya getirir:
- Uçtan Uca NMS'siz Tasarım: RTDETRv2 gibi YOLO26 da yerel uçtan uca çıkarımı destekler; isteğe bağlı bire bir başlığı (
nms=False) ile NMS son işlemesini atlayarak daha hızlı, basit ve öngörülebilir dağıtım hatları sunar. - MuSGD Optimizasyonu: Büyük Dil Modeli (LLM) eğitim tekniklerinden (Moonshot AI'ın Kimi K2'si gibi) esinlenen YOLO26, daha kararlı eğitim ve daha hızlı yakınsama için SGD ile Muon'un hibritini kullanır.
- CPU'da %43'e Varan Hızlı Çıkarım: YOLO26n, CPU'da YOLO11n'den %43'e kadar daha hızlı çalışır; bu da uç bilişime ve ağır Transformer'ların zorlandığı GPU'suz cihazlara uygundur.
- DFL'nin Kaldırılması: Distribution Focal Loss'un kaldırılması model grafiğini basitleştirir; bu da düşük güçlü uç cihazlara ve gömülü Sinir İşlem Birimlerine (NPU'lar) aktarımı kolaylaştırır.
- ProgLoss + STAL: Aşamalı Kayıp ve Küçük Nesne Farkındalıklı Etiket Ataması (STAL), IoT ve hava görüntüleri veri kümeleri için önemli olan küçük nesnelerin tanınmasını iyileştirir.
Yeni bir bilgisayarlı görü projesine başlayan ekiplere YOLO26'yı değerlendirmelerini öneriyoruz. Transformer benzeri isteğe bağlı NMS'siz çıkarımı, YOLO mimarisinin hızı ve eğitim verimliliğiyle birleştirir.
Özet#
RTDETRv2 ile YOLOv9 arasında seçim yapmak büyük ölçüde dağıtım donanımına ve özel doğruluk gereksinimlerine bağlıdır. RTDETRv2, sunucu destekli uygulamalar için yüksek doğruluk ve bağlam farkındalığı sunarken YOLOv9, uç cihazlarda yüksek verimlilik sağlar.
Ultralytics ekosistemi, geliştiricilerin aynı API'yi kullanarak hem YOLOv9'u hem de özgün RT-DETR'yi denemesine olanak tanır. YOLO11 ve uçtan uca özellikli YOLO26 gibi daha yeni modeller, daha geniş görev desteği, hızlı çıkarım ve düşük bellek tüketimi sunar.
Yorumlar
Bir soru sor, sonuçlarını paylaş veya başka birine yardım et.