YOLOv7 ve RTDETRv2
Bilgisayarlı görü, Evrişimli Sinir Ağları (CNN'ler) ile Görsel Transformer'lar (ViT'ler) arasındaki rekabetin etkisiyle hızla gelişmeye devam ediyor. Bu teknik karşılaştırmada öne çıkan iki mimari inceleniyor: yüksek düzeyde optimize edilmiş, CNN tabanlı bir nesne algılayıcı olan YOLOv7 ve son teknoloji ürünü Gerçek Zamanlı Algılama Transformer'ı RTDETRv2.
Geliştiriciler, mimari farklılıkları, performans ölçütlerini ve ideal dağıtım senaryolarını inceleyerek bu yapay zekâ destekli görüntü modellerini üretim işlem hatlarına entegre ederken bilinçli kararlar verebilir.
YOLOv7: Bedava Avantajlar Paketi Sunan CNN Mimarisi#
YOLOv7, geleneksel YOLO ailesine bir dizi "eğitilebilir ücretsiz avantaj" ekleyerek gerçek zamanlı nesne algılamanın sınırlarını zorlayan çeşitli yapısal optimizasyonlar sundu.
Temel Özellikler:
- Yazarlar: Chien-Yao Wang, Alexey Bochkovskiy, Hong-Yuan Mark Liao
- Kuruluş: Academia Sinica Bilgi Bilimi Enstitüsü
- Tarih: 2022-07-06
- arXiv: https://arxiv.org/abs/2207.02696
- GitHub: WongKinYiu/yolov7
Mimari ve Güçlü Yönler#
YOLOv7, Genişletilmiş Verimli Katman Birleştirme Ağı (E-ELAN) mimarisi üzerine kuruludur. Bu yapısal tasarım, modelin özgün gradyan yolunu bozmadan daha çeşitli özellikler öğrenmesini sağlar. Ayrıca doğruluğu düşürmeden çıkarım hızını optimize eden, planlı yeniden parametrelendirilmiş evrişimler içerir. Eğitilebilir ücretsiz avantajlar yaklaşımı, hız ve doğruluk arasında güçlü dengeler kurmasını sağlar; bu da YOLOv7'yi sunucu sınıfı GPU'larda gerçek zamanlı nesne algılama görevleri için son derece uygun kılar.
YOLOv7 aynı zamanda oldukça çok yönlüdür. Depo, standart sınırlayıcı kutu algılamanın ötesinde örnek segmentasyonu ve poz tahmini için de dallar sunarak uyarlanabilirliğini gösterir.
Sınırlamalar#
Önceki birçok CNN modeli gibi YOLOv7 de son işleme için Maksimum Olmayan Bastırma (NMS) yöntemine dayanır. NMS, özellikle kalabalık sahnelerde değişken gecikmeye yol açar ve bu da uç cihazlarda katı gerçek zamanlılık garantilerini zorlaştırabilir.
YOLOv7 hakkında daha fazla bilgi edin
RTDETRv2: Gerçek Zamanlı Transformer'ları Geliştirmek#
RTDETRv2, özgün RT-DETR çerçevesini temel alarak yüksek uzamsal doğruluğu korurken Transformer'ların gerçek zamanlı gecikme açısından YOLO mimarileriyle rekabet edebileceğini daha da ortaya koyar.
Temel Özellikler:
- Yazarlar: Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang, Yi Liu
- Kurum: Baidu
- Tarih: 2024-07-24
- arXiv: https://arxiv.org/abs/2407.17140
- GitHub: lyuwenyu/RT-DETR
Mimari ve Güçlü Yönler#
RTDETRv2, Görsel Transformer'lar için önemli bir ilerlemeyi temsil eder. Çok ölçekli özellikleri hızla işlemek için esnek bir sorgu seçimi sürecinden ve verimli bir hibrit kodlayıcıdan yararlanır. Özellikle Algılama Transformer'ları (DETR'ler) için tasarlanmış yeni bir "ücretsiz avantajlar" yaklaşımı sunarak çıkarım maliyetini artırmadan doğruluğu iyileştirir. NMS kullanmadığı için daha öngörülebilir çıkarım süreleri sağlar; bu da akıllı şehir uygulamalarına ve otonom sürüşe katkıda bulunur.
Sınırlamalar#
İlerlemesine rağmen RTDETRv2, Transformer tabanlı mimarilerin geleneksel yüklerini taşır. Eğitim ve çıkarım sırasında CNN'lere kıyasla önemli ölçüde daha fazla CUDA belleği gerektirir. Ayrıca eğitimde yakınsama süreleri belirgin biçimde daha uzundur; bu nedenle çok miktarda yüksek kaliteli etiketlenmiş veri (örneğin COCO veri kümesi) ve yüksek hesaplama kaynakları gerekir.
RTDETRv2 hakkında daha fazla bilgi edin
Performans Karşılaştırması#
Bu modelleri kıyaslarken doğruluğu, ham çıkarım hızını ve hesaplama gereksinimlerini birlikte değerlendirmek faydalıdır. Aşağıda doğrudan bir karşılaştırma tablosu yer alıyor.
| Model | boyut (piksel) | mAPval50-95 | Hız CPU ONNX (ms) | Hız T4 TensorRT10 (ms) | parametre (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLOv7l | 640 | 51.4 | - | 6.84 | 36.9 | 104.7 |
| YOLOv7x | 640 | 53.1 | - | 11.57 | 71.3 | 189.9 |
| 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 |
RTDETRv2-x, %54.3 ile en yüksek mAPval50-95 değerine ulaşırken 259 milyar FLOPs gerektirir. Buna karşılık YOLOv7 mimarileri güçlü bir temel sunar, ancak yalnızca ağ gecikmesini ölçen metriklere yansımayan NMS ek yükü getirir.
Ultralytics'in Avantajı: Ekosistem ve Gelişim#
YOLOv7 ve RTDETRv2 güçlü yetenekler sunsa da bunları üretim ortamlarında dağıtmak çoğu zaman operasyonel zorlukları ortaya çıkarır. Ultralytics ekosistemi, bu zorlukları azaltmak ve geliştiricilere bilgisayarlı görü işlem hatlarının tipik karmaşıklıklarını soyutlayan birleşik bir API sunmak üzere tasarlanmıştır.
Çok Yönlülük ve Bellek Verimliliği#
Yüksek miktarda VRAM gerektiren Transformer modellerinin aksine Ultralytics YOLO modelleri bellek açısından verimlidir. Bu sayede erişilebilir donanımlarda hızlı model eğitimi yapılabilir. Ekosistem, tek bir kod tabanından görüntü sınıflandırma ve yönlendirilmiş sınırlayıcı kutu (OBB) algılama dâhil olmak üzere birden fazla bilgisayarlı görü görevini doğal olarak destekler ve RTDETRv2'nin şu anda sunmadığı bir esneklik sağlar.
Dağıtım#
Araştırmadan üretime geçiş, güçlü dağıtım seçenekleri gerektirir. Ultralytics API'si, sektör standardı biçimlere model dışa aktarımını tek bir çağrıyla gerçekleştirir. İster platformlar arası uyumluluk için ONNX ister en yüksek GPU hızlandırması için TensorRT hedefle; dönüştürme işlemi otomatiktir.
Ultralytics YOLO26'ya Yükseltme#
YOLOv7 ile RTDETRv2 arasında seçim yapmakta olan geliştiriciler için önerilen seçenek Ultralytics YOLO26 modelidir. Ocak 2026'da yayımlanan YOLO26, CNN'lerin hızını Transformer'ların uçtan uca çıkarımıyla birleştirirken her iki yaklaşımın da birçok zayıf yönünü giderir.
YOLO26, hem sunucu hem de uç dağıtımları için çeşitli yenilikler sunar:
- Uçtan Uca NMS'siz Tasarım: YOLOv10 tarafından YOLO modellerine kazandırılan NMS'siz eğitim yaklaşımını temel alan YOLO26, NMS son işlemesini atlayan isteğe bağlı NMS'siz bir başlık (
nms=False) sunar. Bu, Transformer kullanmanın hesaplama yükü olmadan RTDETRv2'nin öngörülebilir gecikmesini sağlar. - MuSGD Optimizasyon Algoritması: Büyük dil modeli eğitim tekniklerinden (Moonshot AI'nin Kimi K2'si gibi) ilham alan YOLO26, SGD ile Muon'un hibritini kullanır. Bu, birçok ViT'de kullanılan standart AdamW yapılandırmalarına kıyasla eğitim kararlılığını ve yakınsama hızını artırır.
- ProgLoss + STAL: Aşamalı Kayıp ve küçük hedefleri dikkate alan etiket atama yöntemi, küçük nesnelerin tanınmasını iyileştirerek robotik otomasyon için kritik olan bu alanda RTDETRv2'nin çok ölçekli özellik avantajlarıyla rekabet eder.
- Uç Optimizasyonu ve DFL'nin Kaldırılması: Dağılımsal Odak Kayıp (DFL) kaldırılarak YOLO26'nın çıktı başlığı sadeleştirilir. YOLO26n, CPU'da YOLO11n'den %43'e kadar daha hızlı çalışır; bu da YOLO26'yı ağır Transformer modellerine kıyasla uç cihazlara dağıtmayı çok daha kolaylaştırır.
Ultralytics ile Eğitim Örneği#
Ultralytics Python API'sinin basitliği sayesinde bir YOLO26s modelini yalnızca birkaç satır kodla eğitebilirsin:
from ultralytics import YOLO
# YOLO26 küçük modelini yükle
model = YOLO("yolo26s.pt")
# Modeli COCO8 veri kümesinde eğit
# Çerçeve, veri artırma ve optimizatör seçimini otomatik olarak yönetir
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, device="0")
# Dağıtım için TensorRT'ye aktar
model.export(format="engine", dynamic=True)İdeal Kullanım Alanları#
Doğru mimariyi seçmek büyük ölçüde dağıtım kısıtlarına ve donanımın kullanılabilirliğine bağlıdır:
YOLOv7'yi değerlendirebileceğin durumlar:
- YOLOv7'nin yerleşik bir temel model olduğu eski araştırma projeleri.
- Ham GPU hızlandırma kaynaklarının bol olduğu ve NMS gecikme dalgalanmalarının kabul edilebilir olduğu ortamlar.
RTDETRv2'yi değerlendirmek için uygun durumlar:
- En yüksek mAP değerine ihtiyaç duyan üst düzey sunucu dağıtımları.
- Transformer omurgasını çalıştıracak yeterli VRAM'e sahip olduğun sürece, öngörülebilir ve NMS'siz çıkarım gecikmesinin kesinlikle gerekli olduğu senaryolar.
Ultralytics YOLO26'yı seçmek için uygun durumlar:
- Yeni projelerin çoğu. RTDETRv2 gibi isteğe bağlı NMS'siz çıkarım sunar, hız ve doğruluk açısından YOLOv7'yi aşar, daha az VRAM kullanır ve veri kümesi yönetimi, eğitim ve dağıtım için Ultralytics Platform ile tam olarak bütünleşir.
Yorumlar
Bir soru sor, sonuçlarını paylaş veya başka birine yardım et.