Model Karşılaştırması: Nesne Algılama için YOLO11 vs PP-YOLOE+
Doğru nesne algılama modelini seçmek, bilgisayarla görme projeleri için çok önemlidir. Ultralytics YOLO11 ve PP-YOLOE+, her biri farklı uygulama ihtiyaçlarını karşılayan benzersiz güçlü yönlere sahip son teknoloji ürünü modellerdir. Bu sayfa, bu güçlü modeller arasında bilinçli bir karar vermeye yardımcı olmak için ayrıntılı bir teknik karşılaştırma sağlar.
Ultralytics YOLO11
Ultralytics YOLO11 , Ultralytics tarafından geliştirilen YOLO serisinin en son yinelemesidir. Gerçek zamanlı nesne algılama yetenekleriyle bilinen YOLO11 , önceki sürümlerin üzerine inşa edilerek hem hızı hem de doğruluğu artırır. Hassasiyetten ödün vermeden verimli çıkarıma öncelik veren tek aşamalı algılama paradigmasını korur.
Mimari ve Temel Özellikler
YOLO11 , hızlı çıkarım için optimize edilmiş modern bir mimariye sahiptir. Parametre sayısı ve performans arasında bir denge sağlamak için ağ topolojisi ve eğitim tekniklerindeki gelişmeleri içerir. Temel mimari özellikler şunlardır:
- Verimli Omurga: Hızlı özellik çıkarımı için yüksek verimli bir omurga ağı kullanır.
- Çapasız Algılama: Çapa kutuları olmadan çalışır, algılama sürecini basitleştirir ve YOLOv8'e benzer şekilde çeşitli nesne ölçeklerinde uyarlanabilirliği artırır.
- Ölçeklenebilir Model Boyutları: Uç cihazlardan yüksek performanslı sunuculara kadar çeşitli hesaplama kaynaklarına uyacak bir dizi model boyutu (n, s, m, l, x) sunar ve dağıtımda çok yönlülük sağlar.
Performans Ölçütleri
YOLO11 , hız ve doğruluğu dengelemede üstünlük sağlayarak onu gerçek zamanlı uygulamalar için uygun hale getirir. Etkileyici çıkarım hızlarını korurken COCO gibi veri kümelerinde en gelişmiş Ortalama Ortalama Hassasiyeti (mAP) gösterir. Farklı model boyutları, aşağıdaki karşılaştırma tablosunda ayrıntılı olarak açıklandığı gibi, hız ve doğruluk arasında değişen ödünleşimler sunar.
YOLO11 hakkında daha fazla bilgi edinin
Kullanım Örnekleri ve Güçlü Yönler
YOLO11 , hız ve yüksek doğruluk karışımı gerektiren uygulamalar için idealdir:
- Gerçek Zamanlı Video Analitiği: Güvenlik sistemleri, trafik izleme ve kuyruk yönetimi gibi uygulamalar YOLO11'in hızından ve hassasiyetinden yararlanır.
- Uçta Dağıtım: Verimliliği ve kompakt boyutu, YOLO11 'i Raspberry Pi ve NVIDIA Jetson gibi uç cihazlarda dağıtım için mükemmel hale getirir.
- Çok Yönlü Uygulamalar: YOLO11'in uyarlanabilirliği, kalite kontrol için üretimde yapay zekadan perakendede hırsızlığı önlemeye yönelik bilgisayar görüşüne kadar çeşitli alanlarda güçlü bir seçim olmasını sağlar.
Yazarlık ve Tarih:
- Yazarlar: Glenn Jocher ve Jing Qiu
- Organizasyon: Ultralytics
- Tarih: 2024-09-27
- GitHub Bağlantısı: Ultralytics YOLOv8 GitHub Deposu
- Dokümantasyon Bağlantısı: Ultralytics YOLO11 Dokümanları
PP-YOLOE+
PP-YOLOE+ (Practical PaddlePaddle You Only Look One-level Efficient Plus) Baidu tarafından PaddleDetection model hayvanat bahçesinin bir parçası olarak geliştirilmiştir. Makul verimliliği korurken nesne algılamada yüksek doğruluk elde etmeye odaklanır. PP-YOLOE+, gelişmiş performans için mimari iyileştirmeler içeren PP-YOLOE'nin geliştirilmiş bir sürümüdür.
Mimari ve Temel Özellikler
PP-YOLOE+ çapasız, tek aşamalı bir nesne algılama modelidir. Nesne merkezlerini ve sınırlayıcı kutu parametrelerini doğrudan tahmin ederek algılama sürecini basitleştirir. Temel özellikleri şunlardır:
- Çapasız Tasarım: Çapa kutularının karmaşıklığından kaçınarak model mimarisini ve eğitimi basitleştirir.
- Verimli Mimari: Bir ResNet omurgası kullanır ve rekabetçi doğruluğu sürdürürken hesaplama ek yükünü azaltmak için optimizasyon tekniklerine odaklanır.
- PaddlePaddle Ekosistem Entegrasyonu: Ekosistem avantajlarından yararlanarak PaddlePaddle çerçevesi içinde sorunsuz entegrasyon ve dağıtım için optimize edilmiştir.
Performans Ölçütleri
PP-YOLOE+ modelleri, doğruluk ve hızı dengelemek için bir dizi yapılandırma (t, s, m, l, x) sunar. Ayrıntılı CPU ONNX hız ölçümleri sağlanan verilerde kolayca mevcut olmasa da, PP-YOLOE+ modelleri, doğruluk ve verimli dağıtımın kritik olduğu uygulamalar için uygun olan rekabetçi mAP ve verimli TensorRT çıkarım hızlarını göstermektedir.
PP-YOLOE+ hakkında daha fazla bilgi edinin
Kullanım Örnekleri ve Güçlü Yönler
PP-YOLOE+, özellikle PaddlePaddle ekosistemi içinde yüksek doğruluk ve verimliliğin çok önemli olduğu uygulamalar için çok uygundur:
- Endüstriyel Muayene: Doğruluk ve verimliliğinden yararlanarak üretimde yüksek hızlı kalite kontrolleri için idealdir.
- Uç Bilişim: Optimize edilmiş mimarisi sayesinde mobil ve gömülü cihazlarda verimli dağıtım.
- Robotik: Hızından ve doğruluğundan yararlanarak dinamik ortamlarda çalışan robotlar için gerçek zamanlı algılama sağlar.
- Yüksek Verimli İşleme: Büyük hacimli görüntülerde veya video akışlarında hızlı nesne algılama gerektiren senaryolar için uygundur.
Yazarlık ve Tarih:
- Yazarlar PaddlePaddle Yazarlar
- Organizasyon: Baidu
- Tarih: 2022-04-02
- ArXiv Bağlantısı: PP-YOLOE ArXiv Makalesi
- GitHub Bağlantısı: PaddleDetection GitHub Deposu
- Dokümantasyon Bağlantısı: PP-YOLOE+ Dokümantasyon
Model Karşılaştırma Tablosu
Model | boyut (piksel) |
mAPval 50-95 |
Hız CPU ONNX (ms) |
Hız T4TensorRT10 (ms) |
params (M) |
FLOP'lar (B) |
---|---|---|---|---|---|---|
YOLO11n | 640 | 39.5 | 56.1 | 1.5 | 2.6 | 6.5 |
YOLO11s | 640 | 47.0 | 90.0 | 2.5 | 9.4 | 21.5 |
YOLO11m | 640 | 51.5 | 183.2 | 4.7 | 20.1 | 68.0 |
YOLO11l | 640 | 53.4 | 238.6 | 6.2 | 25.3 | 86.9 |
YOLO11x | 640 | 54.7 | 462.8 | 11.3 | 56.9 | 194.9 |
PP-YOLOE+t | 640 | 39.9 | - | 2.84 | 4.85 | 19.15 |
PP-YOLOE+s | 640 | 43.7 | - | 2.62 | 7.93 | 17.36 |
PP-YOLOE+m | 640 | 49.8 | - | 5.56 | 23.43 | 49.91 |
PP-YOLOE+l | 640 | 52.9 | - | 8.36 | 52.2 | 110.07 |
PP-YOLOE+x | 640 | 54.7 | - | 14.3 | 98.42 | 206.59 |
Sonuç
Hem YOLO11 hem de PP-YOLOE+ sağlam nesne algılama modelleridir. YOLO11 , Ultralytics ekosistemi içinde çok yönlü ve kullanıcı dostu bir deneyim sunarak çeşitli görevlerde hız ve doğruluğu etkili bir şekilde dengeler. PP-YOLOE+, özellikle PaddlePaddle çerçevesine entegre olan veya endüstriyel uygulamalar için çapasız tasarıma öncelik veren kullanıcılar için doğruluk ve verimlilik açısından üstündür.
Diğer modellerle ilgilenen kullanıcılar için Ultralytics , aşağıdakiler de dahil olmak üzere bir dizi son teknoloji model sunar: