Başla

YOLOv9 ile RTDETRv2

Gerçek zamanlı nesne algılama alanı son yıllarda önemli ölçüde değişti. Günümüzde iki farklı mimari yaklaşım öne çıkıyor: verimli Evrişimli Sinir Ağları (CNNs) ve gerçek zamanlı Algılama Transformer'ları (DETR'ler). YOLOv9 ve RTDETRv2, bu iki yaklaşımın önde gelen örnekleridir.

Bu kılavuz, iki modelin mimari yeniliklerini, performans ölçütlerini ve ideal dağıtım senaryolarını karşılaştırmalı olarak inceler ve bilgisayarlı görü işlem hattın için doğru modeli seçmene yardımcı olur.

Yönetici Özeti#

Her iki model de güçlü sonuçlar elde eder ancak farklı dağıtım kısıtlarına ve geliştirme ekosistemlerine hitap eder.

  • Şu durumda YOLOv9'u seç: Uç cihazlarda verimli parametre kullanımı ve hızlı çıkarıma ihtiyaç duyuyorsan. YOLOv9, CNN parametre verimliliğine odaklanır ve bu nedenle hesaplama kaynaklarının ciddi ölçüde kısıtlı olduğu ortamlar için uygundur.
  • Şu durumda RTDETRv2'yi seç: Özellikle ciddi örtüşmelerin veya karmaşık nesne ilişkilerinin bulunduğu sahnelerde Transformer'ların sunduğu küresel bağlam modellemesine ihtiyaç duyuyorsan ve biraz daha ağır bir mimariyi destekleyecek donanıma sahipsen.
  • Şu durumda YOLO26'yı seç (Önerilen): CNN verimliliğiyle NMS içermeyen çıkarım istiyorsan. Ultralytics Platform üzerinde sunulan en yeni nesil model olan YOLO26, DETR modellerine benzer, isteğe bağlı Uçtan Uca, NMS İçermeyen Tasarım (nms=False) özelliğiyle son işleme darboğazlarını ortadan kaldırır; YOLO26n ise YOLO11n'den CPU'da %43'e kadar daha hızlı çıkarım sunar.

Teknik Özellikler ve Yazarlar#

Bu modellerin kökenini ve tasarım amacını anlamak, mimari tercihleri hakkında yararlı bir bağlam sağlar.

YOLOv9#

YOLOv9 hakkında daha fazla bilgi edin

RTDETRv2#

RTDETRv2 hakkında daha fazla bilgi edin

Mimari Yenilikler#

YOLOv9: Bilgi Darboğazını Çözme#

YOLOv9, derin sinir ağlarından geçerken verinin uğradığı bilgi kaybını gidermek üzere tasarlanmış iki önemli yenilik sunar:

  1. Programlanabilir Gradyan Bilgisi (PGI): Bu yardımcı denetim çerçevesi, ağ ağırlıklarını güncellemek için güvenilir gradyanlar üretmeye ve çok derin ağ katmanlarında kritik özellik bilgisini korumaya yardımcı olur.
  2. Genelleştirilmiş Verimli Katman Birleştirme Ağı (GELAN): CSPNet ve ELAN'ın güçlü yönlerini bir araya getiren bir mimaridir. GELAN, parametre verimliliğini optimize ederek YOLOv9'un geleneksel CNN'lere kıyasla daha az FLOP ile daha yüksek doğruluk elde etmesini sağlar.

RTDETRv2: Gerçek Zamanlı Transformer'ları Geliştirme#

Orijinal RT-DETR temel alınarak geliştirilen RTDETRv2, Maksimum Olmayan Bastırma (NMS) gereksinimini doğal olarak ortadan kaldıran Transformer tabanlı bir mimari kullanır. İyileştirmeleri şunları içerir:

  1. Bedava Avantajlar Stratejisi: v2 sürümü, çıkarım gecikmesini artırmadan doğruluğu iyileştiren ek eğitim teknikleri ve veri artırma yöntemleri içerir.
  2. Verimli Hibrit Kodlayıcı: RTDETRv2, çok ölçekli özellikleri ölçek içi ve ölçekler arası ayrıştırılmış bir dikkat mekanizmasıyla işleyerek Görüş Transformer'larının geleneksel olarak yüksek hesaplama maliyetini yönetir.
Doğal Uçtan Uca Algılama

RTDETRv2, NMS'siz algılama için Transformer'ları kullanırken daha yeni YOLO26 mimarisi, verimli bir CNN yapısı içinde isteğe bağlı bire bir başlıkla (nms=False) bunu başarır ve daha hızlı uç çıkarımıyla benzer ölçüde kolay dağıtım sağlar.

Performans Karşılaştırması#

Modelleri üretim ortamı için değerlendirirken doğruluk ile hesaplama gereksinimleri arasındaki denge kritik önem taşır. Aşağıdaki tablo, çeşitli model boyutlarının standart kıyaslamalardaki performansını gösterir.

Modelboyut
(piksel)
mAPval50-95Hız
CPU ONNX
(ms)
Hız
T4 TensorRT10
(ms)
parametre
(M)
FLOPs
(B)
YOLOv9t64038.3-2.32.07.7
YOLOv9s64046.8-3.547.226.7
YOLOv9m64051.4-6.4320.176.8
YOLOv9c64053.0-7.1625.5102.8
YOLOv9e64055.6-16.7758.1192.5
RTDETRv2-s64048.1-5.032060
RTDETRv2-m64051.9-7.5136100
RTDETRv2-l64053.4-9.7642136
RTDETRv2-x64054.3-15.0376259

Analiz#

Verilerin gösterdiği gibi, YOLOv9 parametre verimliliği açısından belirgin bir avantaja sahiptir. YOLOv9c modeli, yalnızca 25.5M parametreyle 53.0 mAP elde eder.

Buna karşılık RTDETRv2, orta ve büyük model kategorilerinde güçlü bir rakiptir ve RTDETRv2-s, YOLOv9s'den daha doğrudur. Ancak bunun bedeli, Transformer modellerinde sık görülen daha fazla parametre ve daha yüksek FLOP değerleridir. Bu mimari fark bellek kullanımını da etkiler: YOLO modelleri, hem eğitim hem de çıkarım sırasında genellikle Transformer modellerine kıyasla çok daha az CUDA belleği gerektirir.

Ultralytics'in Avantajı: Ekosistem ve Çok Yönlülük#

Salt mimari ölçütler önemli olsa da bir yapay zekâ projesinin başarısını çoğu zaman yazılım ekosistemi belirler. Bu modellere Ultralytics Python API üzerinden erişmek pratik avantajlar sunar.

Kolaylaştırılmış Eğitim ve Dağıtım#

Bir Detection Transformer'ı eğitmek genellikle karmaşık yapılandırma dosyaları ve üst düzey GPU'lar gerektirir. Geliştiriciler, Ultralytics çerçevesini kullanarak YOLOv9 ve RT-DETR modellerini aynı basit söz dizimiyle eğitebilir; verimli eğitim işlem hatlarından ve kullanıma hazır önceden eğitilmiş ağırlıklardan yararlanabilir.

from ultralytics import RTDETR, YOLO

# Bir YOLOv9 modeli eğit
model_yolo = YOLO("yolov9c.pt")
model_yolo.train(data="coco8.yaml", epochs=100, imgsz=640)

# Aynı API'yi kullanarak bir RTDETR modeli eğit
model_rtdetr = RTDETR("rtdetr-l.pt")
model_rtdetr.train(data="coco8.yaml", epochs=100, imgsz=640)

# Modelleri OpenVINO veya TensorRT'ye dışa aktar
model_yolo.export(format="openvino")

Görev Çok Yönlülüğü#

RTDETRv2 gibi özel modellerin önemli bir kısıtlaması, odaklarının sınırlayıcı kutu algılamayla sınırlı olmasıdır. Buna karşılık YOLO11 ve YOLOv8 gibi modelleri kapsayan daha geniş Ultralytics ekosistemi, çok çeşitli bilgisayarlı görü görevlerini destekler. Bunlara piksel düzeyinde örnek segmentasyonu, tüm görüntü sınıflandırması, iskelet tabanlı poz tahmini ve hava görüntülerinde Yönlendirilmiş Sınırlayıcı Kutu (OBB) algılama dahildir.

Gerçek Dünya Uygulamaları#

Yüksek Hızlı Uç Cihaz Analitiği#

Uç cihazlarda gerçek zamanlı ürün tanıma gerektiren perakende ortamları veya üretim hatları için YOLOv9 daha iyi bir seçenektir. GELAN mimarisi, NVIDIA Jetson serisi gibi kısıtlı donanımlarda yüksek işlem hacmi sunarak önemli bir gecikme olmadan otomatik kalite kontrolü sağlar.

Karmaşık Sahne Analizi#

Nesnelerin sık sık birbirini örttüğü kalabalık izleme veya karmaşık trafik kavşakları gibi senaryolarda RTDETRv2'nin küresel dikkat mekanizmaları öne çıkar. Modelin tüm görüntü bağlamı üzerinde doğal olarak akıl yürütebilmesi, nesneler kısmen gizlendiğinde bile sağlam izleme ve algılama performansını sürdürmesini sağlar.

Kullanım Alanları ve Öneriler#

YOLOv9 ile RT-DETR arasındaki seçim, projene özgü gereksinimlere, dağıtım kısıtlamalarına ve ekosistem tercihlerine bağlıdır.

YOLOv9'u Ne Zaman Seçmeli?#

YOLOv9 şu durumlarda güçlü bir seçenektir:

  • Bilgi Darboğazı Araştırmaları: Programlanabilir Gradyan Bilgisi (PGI) ve Genelleştirilmiş Verimli Katman Toplama Ağı (GELAN) mimarilerini inceleyen akademik projeler.
  • Gradyan Akışı Optimizasyonu Çalışmaları: Eğitim sırasında derin ağ katmanlarındaki bilgi kaybını anlamaya ve azaltmaya odaklanan araştırmalar.
  • Yüksek Doğruluklu Algılama Karşılaştırmaları: YOLOv9'un güçlü COCO karşılaştırma testi performansının mimari karşılaştırmalarda referans noktası olarak gerektiği senaryolar.

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 çoğunda Ultralytics YOLO26, performans ile geliştirici deneyiminin en iyi birleşimini 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, çok küçük nesnelerin doğruluğunu artırır.

Gelecek: YOLO26 ile Tanış#

YOLOv9 ve RTDETRv2 önemli başarılara imza atmış olsa da bilgisayarlı görü alanı hızla ilerliyor. Yeni projeler için önerilen model YOLO26.

Ocak 2026'da yayımlanan YOLO26, CNN verimliliğini DETR tarzı uçtan uca çıkarımla birleştirir. YOLO26, YOLO modellerine YOLOv10 tarafından kazandırılan bir yaklaşım olan NMS son işlemeyi ortadan kaldıran isteğe bağlı Uçtan Uca NMS İçermeyen Tasarımı (nms=False) içerir. YOLO26 ayrıca uç cihazlarla uyumluluğu artırmak için Dağılımsal Odak Kaybı'nı (DFL) kaldırır ve MuSGD Optimize Ediciyi sunar. Büyük dil modeli eğitiminden (özellikle Moonshot AI'ın Kimi K2'sinden) esinlenen bu SGD ve Muon hibriti, eğitim kararlılığını ve yakınsama hızını artırır.

Daha iyi küçük nesne algılama için ProgLoss ve STAL (Aşamalı Kayıp ve Küçük Hedefleri Dikkate Alan Etiket Ataması) ile birlikte bu değişiklikler, YOLO26'yı modern yapay zekâ dağıtımları için güçlü bir seçenek hâline getirir; YOLO26n, CPU'da YOLO11n'den %43'e kadar daha hızlı çalışır.

Katkıda Bulunanlar

Yorumlar

Bir soru sor, sonuçlarını paylaş veya başka birine yardım et.