YOLO26 ve RTDETRv2: Modern Nesne Algılama Mimarilerinin Kapsamlı Bir Karşılaştırması

Bilgisayar görüşü alanı sürekli gelişmekte ve uygulayıcılara kritik bir seçim sunmaktadır: yüksek düzeyde optimize edilmiş Evrişimsel Sinir Ağlarından (CNN'ler) mi yararlanmalı, yoksa daha yeni Transformer tabanlı mimarileri mi benimsemeli? Bu alandaki iki önde gelen rakip, son teknoloji Ultralytics YOLO26 ve Baidu'nun RTDETRv2'sidir. Her iki model de gerçek zamanlı nesne algılamanın sınırlarını zorlamakta ancak temel olarak farklı mimari felsefelere dayanmaktadır.

Bu kılavuz, bir sonraki bilgisayar görüşü projeniz için en iyi temeli seçmenize yardımcı olmak amacıyla her iki modelin yapılarını, performans metriklerini ve ideal kullanım senaryolarını karşılaştırarak derinlemesine teknik bir inceleme sunmaktadır.

Ultralytics YOLO26: Uç Odaklı Vizyon Yapay Zekasının Zirvesi

Ultralytics tarafından geliştirilen YOLO26, YOLO ailesi için büyük bir nesilsel sıçramayı temsil etmektedir. Ocak 2026'da piyasaya sürülen bu model, hız, doğruluk ve bulut ile uç ortamlar arasında sorunsuz dağıtım için özel olarak tasarlanmıştır.

Yazarlar: Glenn Jocher ve Jing Qiu
Kuruluş:Ultralytics
Tarih: 2026-01-14
GitHub:Ultralytics Deposu
Belgeler:YOLO26 Resmi Belgeleri

Mimari Yenilikler ve Güçlü Yönler

YOLO26, onu yalnızca Transformer modellerinden değil, aynı zamanda YOLO11 gibi önceki iterasyonlardan da ayıran birçok çığır açan özellik sunmaktadır:

Uçtan Uca NMS-Serbest Tasarım: YOLO26, işlem sonrası geleneksel Maksimum Olmayan Bastırma (NMS) yöntemini ortadan kaldırır. YOLOv10 gibi modellerde öncülük edilen bu yerel uçtan uca yaklaşım, çıkarım gecikme varyansını azaltır ve özellikle uç donanımlarda dağıtım mantığını basitleştirir.
%43'e Kadar Daha Hızlı CPU Çıkarımı: Merkezi olmayan yapay zekaya yönelik artan ihtiyacı fark eden YOLO26, Raspberry Pi gibi özel GPU'ları olmayan cihazlar için yüksek düzeyde optimize edilmiştir.
DFL Kaldırma: Distribution Focal Loss (DFL) çıkarılarak, YOLO26 basitleştirilmiş bir dışa aktarma süreci ve düşük güçlü uç cihazlar ile mikrodenetleyicilerle büyük ölçüde geliştirilmiş uyumluluk sunar.
MuSGD Optimize Edici: Büyük Dil Modeli (LLM) eğitimi ile bilgisayar görüşü arasındaki boşluğu kapatan YOLO26, MuSGD optimize ediciyi kullanır. Moonshot AI'nin Kimi K2'sinden esinlenen bu SGD ve Muon—hibriti, sağlam eğitim kararlılığı ve daha hızlı yakınsama sağlar.
ProgLoss + STAL: Gelişmiş kayıp fonksiyonları, küçük nesne tanımada önemli iyileştirmeler sağlar. Bu, hava görüntü analizi ve Nesnelerin İnterneti (IoT) sensörlerine dayanan endüstriler için kritik öneme sahiptir.

YOLO26 hakkında daha fazla bilgi edinin

Görüntüleme Görevlerinde Çok Yönlülük

Sadece sınırlayıcı kutularla sınırlı modellere kıyasla, YOLO26 çok yönlü bir güç merkezidir. Örnek segmentasyon için semantik segmentasyon kaybı ve çok ölçekli proto, poz tahmini için Artık Log-Olasılık Tahmini (RLE) ve Yönlendirilmiş Sınırlayıcı Kutu (OBB) görevlerindeki sınır sorunlarını çözmek için özel açı kaybı gibi göreve özgü iyileştirmeleri bünyesinde barındırır.

Uç Cihazlara Dağıtım Stratejisi

Uç cihazlara dağıtım yaparken, YOLO26n (Nano) veya YOLO26s (Küçük) varyantlarını kullanın. Bu modelleri şuraya dışa aktarmak CoreML veya TFLite DFL kaldırma ve NMS-serbest mimari sayesinde sorunsuzdur, bu da iOS ve Android'de akıcı gerçek zamanlı performans garanti eder.

RTDETRv2: Gerçek Zamanlı Algılama Transformer'larını Geliştirme

Baidu'daki araştırmacılar tarafından geliştirilen RTDETRv2, orijinal RT-DETR çerçevesi üzerine inşa edilmiştir. Algılama Transformer'larının (DETR'ler) gerçek zamanlı senaryolarda yüksek düzeyde optimize edilmiş CNN'lerin hızı ve doğruluğuyla rekabet edebileceğini ve hatta bazen onları aşabileceğini kanıtlamayı amaçlamaktadır.

Yazarlar: Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang ve Yi Liu
Kuruluş:Baidu
Tarih: 2024-07-24
Arxiv:2407.17140
GitHub:RT-DETRv2 PyTorch Uygulaması
Belgeler:RT-DETRv2 README

Mimari ve Yetenekler

RTDETRv2, küresel bağlamı anlamak için öz-dikkat mekanizmalarından yararlanarak görüntüleri CNN'lerden doğal olarak farklı işleyen Transformer tabanlı bir mimari kullanır.

Bag-of-Freebies: v2 iterasyonu, çıkarım maliyeti eklemeden temel performansı artıran bir dizi optimize edilmiş eğitim tekniği (bag-of-freebies) sunar.
Küresel Bağlam Farkındalığı: Transformer dikkat katmanları sayesinde, RTDETRv2, örtüşen veya gizlenmiş nesneleri ayırt etmek için küresel bağlamın gerekli olduğu karmaşık sahneleri anlamada doğal olarak yeteneklidir.

RTDETR hakkında daha fazla bilgi edinin

Transformer Modellerinin Sınırlamaları

Güçlü olsalar da, RTDETRv2 gibi Transformer tabanlı algılama modelleri pratik dağıtımda sıklıkla zorluklarla karşılaşır. Eğitim sırasında verimli CNN'lere kıyasla genellikle daha yüksek CUDA bellek gereksinimleri gösterirler. Ayrıca, dikkat katmanlarının gerektirdiği karmaşık işlemler nedeniyle onları çeşitli uç ortamlara entegre etmek zahmetli olabilir, bu da YOLO26 gibi modelleri kaynak kısıtlı dağıtımlar için çok daha çekici hale getirir.

Performans Karşılaştırması

Bu modelleri karşılaştırmalı olarak değerlendirmek, en son CNN optimizasyonlarının somut faydalarını ortaya koymaktadır. Aşağıdaki tablo, standart karşılaştırmalardaki performanslarını özetlemektedir.

Model	boyut ^(piksel)	mAP^val 50-95	Hız ^{CPU ONNX (ms)}	Hız ^{T4 TensorRT10 (ms)}	parametreler ^(M)	FLOP'lar ^(B)
YOLO26n	640	40.9	38.9	1.7	2.4	5.4
YOLO26s	640	48.6	87.2	2.5	9.5	20.7
YOLO26m	640	53.1	220.0	4.7	20.4	68.2
YOLO26l	640	55.0	286.2	6.2	24.8	86.4
YOLO26x	640	57.5	525.8	11.8	55.7	193.9

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

Gösterildiği gibi, YOLO26 tüm boyut varyantlarında RTDETRv2'yi sürekli olarak geride bırakmaktadır. YOLO26x, RTDETRv2-x'ten (54.3 mAP, 15.03 ms, 76M parametre) daha düşük gecikme süresi (TensorRT'de 11.8 ms) ve önemli ölçüde daha az parametre (55.7M) ile dikkat çekici bir 57.5 mAP elde etmektedir.

Kullanım Durumları ve Öneriler

YOLO26 ve RT-DETR arasında seçim yapmak, projenizin özel gereksinimlerine, dağıtım kısıtlamalarına ve ekosistem tercihlerinize bağlıdır.

YOLO26 Ne Zaman Seçilmeli

YOLO26 şunlar için güçlü bir seçenektir:

NMS-Free Uç Dağıtım: Non-Maximum Suppression (NMS) son işlem karmaşıklığı olmadan tutarlı, düşük gecikmeli çıkarım gerektiren uygulamalar.
Yalnızca CPU Ortamları: Özel GPU hızlandırması olmayan cihazlarda, YOLO26'nın %43'e kadar daha hızlı CPU çıkarımı belirleyici bir avantaj sağlar.
Küçük Nesne Algılama: ProgLoss ve STAL'ın küçük nesneler üzerindeki doğruluğu önemli ölçüde artırdığı hava drone görüntüleri veya IoT sensör analizi gibi zorlu senaryolar.

RT-DETR Ne Zaman Seçilmeli

RT-DETR şunlar için önerilir:

Transformer Tabanlı Tespit Araştırması: NMS olmadan uçtan uca nesne tespiti için dikkat mekanizmalarını ve transformer mimarilerini keşfeden projeler.
Esnek Gecikmeli Yüksek Doğruluk Senaryoları: Tespit doğruluğunun en yüksek öncelik olduğu ve biraz daha yüksek çıkarım gecikmesinin kabul edilebilir olduğu uygulamalar.
Büyük Nesne Tespiti: Transformer'ların global dikkat mekanizmasının doğal bir avantaj sağladığı, öncelikli olarak orta ila büyük nesnelerin bulunduğu sahneler.

Ultralytics'in Avantajı

Doğru makine öğrenimi mimarisini seçmek denklemin sadece bir parçasıdır; çevreleyen ekosistem, bir ekibin prototiplemeden üretime ne kadar hızlı geçebileceğini belirler.

Kullanım Kolaylığı ve Eğitim Verimliliği

Ultralytics Python API dikkat çekici derecede kolaylaştırılmış bir deneyim sunar. Karmaşık modelleri eğitmek artık uzun kalıp kod gerektirmez. Ayrıca, YOLO26'nın eğitim verimliliği önemli ölçüde daha iyidir; RTDETRv2'nin bellek yoğun dikkat mekanizmalarına kıyasla çok daha az GPU VRAM kullanır, bu da tüketici sınıfı donanımlarda bile daha büyük yığın boyutlarına olanak tanır.

from ultralytics import YOLO

# Initialize the cutting-edge YOLO26 Nano model
model = YOLO("yolo26n.pt")

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

# Execute high-speed, NMS-free inference
predictions = model("https://ultralytics.com/images/bus.jpg")

# Export to ONNX for seamless deployment
model.export(format="onnx")

İyi Yönetilen Bir Ekosistem

Ultralytics modellerini kullanarak geliştiriciler, Weights & Biases ve Comet ML gibi modern izleme araçlarıyla doğal olarak entegre olan, aktif olarak sürdürülen bir çerçeveye erişim sağlarlar. Kodsuz bir yaklaşımı tercih edenler için Ultralytics Platformu, bulut eğitimini, veri kümesi yönetimini ve tek tıklamayla dağıtımı kolaylaştırır.

Performans Dengesi

YOLO26, çıkarım hızı ve doğruluk arasında eşsiz bir denge kurar. NMS'nin kaldırılması ve MuSGD optimize edicisi ile birleşimi, hem küçük nesnelerde son derece doğru (ProgLoss + STAL sayesinde) hem de üretimde ışık hızında bir model dağıttığınızı garanti eder, bu da onu neredeyse tüm modern bilgisayar görüşü uygulamaları için üstün bir seçenek haline getirir.

Ekosistemdeki Diğer Modeller

YOLO26 ve RTDETRv2 gerçek zamanlı algılamanın en ileri noktasını temsil etse de, eski boru hatlarını sürdüren veya farklı verimlilik eğrilerini araştıran geliştiriciler, yerleşik kurumsal ortamlar için YOLOv8'i de düşünebilir veya EfficientDet gibi diğer mimarileri keşfedebilirler. Ancak, herhangi bir yeni girişim için YOLO26 kesin öneri olarak öne çıkmaktadır.