YOLOv10 ve RTDETRv2
Bilgisayarlı görü hızla gelişiyor ve yeni mimariler gerçek zamanlı nesne algılamada en ileri noktayı düzenli olarak ileri taşıyor. Bu alandaki iki önemli dönüm noktası YOLOv10 ve RTDETRv2'dir. Her iki model de Maksimum Olmayan Bastırma (NMS) son işlemeye duyulan ihtiyacı ortadan kaldırarak geleneksel algılama işlem hatlarındaki bir darboğazı giderir; ancak bu soruna tamamen farklı mimarilerle yaklaşırlar.
Bu teknik karşılaştırma, geliştiricilerin ve araştırmacıların bir sonraki görsel yapay zekâ projeleri için doğru aracı seçmelerine yardımcı olmak üzere modellerin mimarilerini, eğitim yöntemlerini ve ideal dağıtım senaryolarını inceler.
YOLOv10: NMS İçermeyen Gerçek Zamanlı Tespit#
Tsinghua Üniversitesi'ndeki araştırmacılar tarafından geliştirilen YOLOv10, mimari verimliliğe ve son işleme darboğazlarının ortadan kaldırılmasına odaklanır. NMS içermeyen eğitim için tutarlı ikili atamalar getirerek daha düşük çıkarım gecikmesiyle rekabetçi doğruluk elde eder.
Teknik Özellikler#
- Yazarlar: Ao Wang, Hui Chen, Lihao Liu ve diğerleri
- Kuruluş: Tsinghua Üniversitesi
- Tarih: 2024-05-23
- arXiv: YOLOv10 Makalesi
- GitHub: THU-MIG/yolov10
- Belgeler: YOLOv10 Belgeleri
Mimari ve Yöntemler#
YOLOv10'un başlıca katkısı, bütünsel ve verimlilik-doğruluk odaklı model tasarımıdır. Hesaplama yükünü azaltmak için çeşitli bileşenleri her iki açıdan da optimize eder. Tutarlı ikili atama stratejisi, modelin NMS'ye dayanmadan eğitilmesini sağlar; bunun sonucunda dağıtım işlem hattı yalınlaşır ve uçtan uca hâle gelir. Bu yaklaşım, son işleme işlemlerinin beklenmedik gecikmelere yol açabileceği ONNX veya TensorRT gibi uç biçimlere model dışa aktarırken özellikle faydalıdır.
Güçlü ve Zayıf Yönler#
Model, özellikle küçük varyantlarında (N ve S) güçlü hız-doğruluk dengesi sunar. Düşük gecikmesi onu yüksek hızlı uç ortamlarına çok uygun kılar. Ancak YOLOv10 ham algılama hızında başarılı olsa da yalnızca algılamaya yönelik özelleşmiş bir model olmaya devam eder. Örnek segmentasyonu veya poz tahmini gereken ekiplerin daha çok yönlü çerçevelere yönelmesi gerekir.
YOLOv10 hakkında daha fazla bilgi edin
RTDETRv2: Algılama Transformer'ını Geliştirme#
Orijinal Gerçek Zamanlı Algılama Transformer'ının üzerine inşa edilen RTDETRv2, temel performansı iyileştirmek için bir dizi ek yöntem içerir ve Transformer'ların gerçek zamanlı senaryolarda CNN'lerle rekabet edebileceğini gösterir.
Teknik Özellikler#
- Yazarlar: Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang ve Yi Liu
- Kurum: Baidu
- Tarih: 2024-07-24
- arXiv: RTDETRv2 Makalesi
- GitHub: lyuwenyu/RT-DETR
- Belgeler: RTDETRv2 README Dosyası
Mimari ve Yöntemler#
RTDETRv2, görsel özellik çıkarımı için evrişimli sinir ağı (CNN) omurgasını, sahne düzeyinde anlama içinse transformer kodlayıcı-kod çözücüsünü birleştiren hibrit bir mimari kullanır. Transformerin öz dikkat mekanizması, modelin görüntüyü bütün olarak görmesini sağlar; bu da karmaşık sahneleri, üst üste binen nesneleri ve yoğun kalabalıkları ele almada etkili olmasını sağlar.
Güçlü ve Zayıf Yönler#
Transformer mimarisi, özellikle daha yüksek parametre ölçeklerinde mükemmel doğruluk sağlar ve son algılamaları doğal olarak NMS olmadan üretir. Ancak bunun bir bedeli vardır. Transformer modelleri geleneksel olarak eğitim sırasında daha fazla CUDA belleği gerektirir ve yalnızca CNN kullanan mimarilere kıyasla daha yavaş yakınsayabilir. RTDETRv2'nin çıkarım hızı iyileştirilmiş olsa da genellikle hafif YOLO varyantlarından daha fazla bellek tüketir.
RTDETRv2 hakkında daha fazla bilgi edin
Performans Karşılaştırması#
Performans metriklerini değerlendirmek, her modelin hangi alanlarda öne çıktığını daha net gösterir. Aşağıdaki tablo, modellerin COCO veri kümesindeki yeteneklerini özetler:
| Model | boyut (piksel) | mAPval50-95 | Hız CPU ONNX (ms) | Hız T4 TensorRT10 (ms) | parametre (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLOv10n | 640 | 38.5 | - | 1.84 | 2.3 | 6.7 |
| YOLOv10s | 640 | 46.3 | - | 2.49 | 7.2 | 21.6 |
| YOLOv10m | 640 | 51.1 | - | 4.74 | 15.4 | 59.1 |
| YOLOv10b | 640 | 52.5 | - | 5.74 | 19.1 | 92.0 |
| YOLOv10l | 640 | 53.2 | - | 7.28 | 24.4 | 120.3 |
| YOLOv10x | 640 | 54.4 | - | 10.70 | 29.5 | 160.4 |
| 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 |
YOLOv10, benzer boyutlarda parametre verimliliği ve TensorRT çıkarım hızı açısından belirgin bir avantaja sahipken RTDETRv2, s, m ve l ölçeklerinde biraz daha doğrudur (örneğin s modellerinde 48.1'e karşı 46.3 mAP; 5.03 ms'ye karşı 2.49 ms). RTDETRv2-x, doğrulukta YOLOv10x ile eşleşir (54.3'e karşı 54.4 mAP); ancak 2.5 kattan fazla parametre (76M'ye karşı 29.5M) ve daha yüksek FLOPs (259B'ye karşı 160.4B) gerektirir.
Kullanım Alanları ve Öneriler#
YOLOv10 ile RT-DETR arasında seçim yapmak, özel proje gereksinimlerine, dağıtım kısıtlamalarına ve ekosistem tercihlerine bağlıdır.
YOLOv10'u Ne Zaman Seçmeli?#
YOLOv10 şu durumlar için güçlü bir seçenektir:
- NMS Olmadan Gerçek Zamanlı Algılama: Maksimum Olmayan Bastırma olmadan uçtan uca algılamadan yararlanan ve dağıtım karmaşıklığını azaltan uygulamalar.
- Hız ve Doğruluk Arasında Dengeli Ödünleşimler: Çeşitli model ölçeklerinde çıkarım hızı ile algılama doğruluğu arasında güçlü bir denge gerektiren projeler.
- Tutarlı Gecikme Gerektiren Uygulamalar: Robotik veya otonom sistemler gibi öngörülebilir çıkarım sürelerinin kritik olduğu dağıtım senaryoları.
RT-DETR Ne Zaman Seçilmeli?#
RT-DETR şu durumlarda önerilir:
- 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.
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.
Ultralytics'in Avantajı: Ekosistem ve Yenilik#
YOLOv10 ve RTDETRv2, yetenekli algılayıcılar olsa da model seçimi çoğu zaman çevresindeki yazılım ekosistemiyle ilgilidir. Ultralytics Platform, derin öğrenme iş akışlarının karmaşıklığının büyük bölümünü gizleyen birleşik bir arayüz sunar.
Yeni Standart: Ultralytics YOLO26#
En iyi performansı arayan geliştiriciler için Ultralytics YOLO26, mimarideki yakın tarihli gelişmeleri bir araya getirir. Ocak 2026'da yayımlanan YOLO26, YOLOv10'un uçtan uca, NMS içermeyen tasarımını isteğe bağlı bir başlık (nms=False) olarak devralır ve daha hızlı, basit dağıtım için NMS son işlemesini ortadan kaldırır.
YOLO26, MuSGD Optimizatörü (SGD ile Muon'un hibriti) aracılığıyla büyük dil modeli (LLM) eğitim yöntemlerini bilgisayarlı görüye taşır; bunun sonucunda eğitim daha kararlı, yakınsama daha hızlı olur. YOLO26n ayrıca CPU'da YOLO11n'den %43'e kadar daha hızlı çalışır ve YOLO26'yı uç bilişim için güçlü bir seçenek hâline getirir.
Ayrıca YOLO26, küçük nesne tanımada belirgin iyileştirmeler sağlayan ProgLoss + STAL özelliklerini sunar. Yalnızca algılama yapan YOLOv10'un aksine nesne algılama, örnek segmentasyonu, anlamsal segmentasyon, derinlik tahmini, görüntü sınıflandırma, poz tahmini ve yönlendirilmiş sınırlayıcı kutuları (OBB) destekler; anlamsal segmentasyon kaybı ve poz için Artık Log-Olasılık Tahmini (RLE) gibi göreve özgü iyileştirmeler içerir. Dağılımsal Odak Kaybı'nın (DFL) kaldırılması da dışa aktarmayı basitleştirir ve düşük güçlü cihazlarla uyumluluğu artırır.
Kullanım Kolaylığı ve Eğitim Verimliliği#
Ultralytics YOLO11 gibi eski modellerle veya daha yeni YOLO26 ile çalışıyor olsan da Python API, eğitimde bellek kullanımını düşük, iş akışlarını kısa tutar. Aynı API, YOLOv10 ve RT-DETR modellerini de çalıştırır:
from ultralytics import RTDETR, YOLO
# Uçtan uca YOLOv10 modelini eğit
model_yolo = YOLO("yolov10n.pt")
model_yolo.train(data="coco8.yaml", epochs=100, imgsz=640)
# Alternatif olarak RTDETR'yi aynı API içinde değerlendir
model_rtdetr = RTDETR("rtdetr-l.pt")
results = model_rtdetr.predict("https://ultralytics.com/images/bus.jpg")Bakımı iyi yapılan ekosistem, kolay hiperparametre ayarı için araçlar sunar ve deney izleme araçlarıyla ve model dağıtım seçenekleriyle entegre olur.
Sonuç#
YOLOv10 ve RTDETRv2, NMS içermeyen nesne algılamada önemli dönüm noktalarıdır. RTDETRv2, transformer'ların daha yüksek bellek gereksinimlerine rağmen mükemmel küresel bağlam kavrayışıyla gerçek zamanlı gecikme elde edebildiğini kanıtlar. YOLOv10 ise kaynakları kısıtlı algılama görevleri için tasarlanmış, verimli ve hızlı bir CNN alternatifi sunar.
Dengeli performans, çoklu görev desteği ve olgun bir ekosistem için Ultralytics YOLO26'yı öneriyoruz. Önceki modellerinin mimari fikirlerini, görsel yapay zekânın dağıtımını basitleştiren kullanıcı dostu araçlarla birleştirir.
Yorumlar
Bir soru sor, sonuçlarını paylaş veya başka birine yardım et.