YOLOX ve RTDETRv2#

Bilgisayarlı görü uygulamaları için en uygun mimariyi seçmek; doğruluk, çıkarım hızı ve dağıtım uygulanabilirliği arasında dikkatli bir denge kurmayı gerektirir. Bu kapsamlı teknik analizde, son derece başarılı, anchorsız bir CNN mimarisi olan YOLOX ile son teknoloji ürünü gerçek zamanlı algılama Transformer'ı olan RTDETRv2 arasındaki temel farkları inceliyoruz.

Her iki model de nesne algılama alanına önemli katkılar sağlamış olsa da üretime hazır uygulamalar geliştiren geliştiriciler, Ultralytics YOLO26 gibi modern alternatiflerin üstün eğitim verimliliği, daha düşük bellek gereksinimleri ve daha sağlam bir dağıtım ekosistemi sunduğunu sıklıkla görüyor.

YOLOX: Araştırma ile Endüstri Arasındaki Boşluğu Kapatmak#

YOLOX, YOLO serisinin son derece popüler anchorsız bir uyarlaması olarak ortaya çıktı ve piyasaya sürüldüğü dönemde etkileyici performans iyileştirmeleri sunan basitleştirilmiş bir tasarım getirdi.

• Yazarlar: Zheng Ge, Songtao Liu, Feng Wang, Zeming Li ve Jian Sun
• Kuruluş: Megvii
• Tarih: 18 Temmuz 2021
• Bağlantılar: Arxiv, GitHub, Belgeler

Mimari Yenilikler#

YOLOX, ayrıştırılmış bir başlık ve gelişmiş SimOTA etiket atama stratejisini entegre ederek YOLO ailesini anchorsız paradigmasına taşıdı. Anchor kutularını ortadan kaldıran bu mimari, tasarım parametrelerinin sayısını önemli ölçüde azalttı ve çeşitli kıyaslama veri kümelerinde genelleme yeteneğini geliştirdi. Hafif sürümleri YOLOX-Nano ve YOLOX-Tiny, uç cihazlarda görsel yapay zekâ uygulamaları dağıtmak için popüler seçenekler hâline geldi.

YOLOX hakkında daha fazla bilgi edin

RTDETRv2: Gerçek Zamanlı Görsel Transformer'larını İleri Taşımak#

RTDETRv2, önceki sürümünün temelleri üzerine inşa edilerek gerçek zamanlı çıkarım hızlarından ödün vermeden son derece rekabetçi doğruluk elde etmek için Görsel Transformer'ların (ViTs) gücünden yararlanır.

• Yazarlar: Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang ve Yi Liu
• Kuruluş: Baidu
• Tarih: 2024-07-24
• Bağlantılar: Arxiv, GitHub

Mimari Yenilikler#

RTDETRv2, Transformer tabanlı bir mimari kullanarak NMS'yi yerel olarak atlayan algılama işlem hattını temelden yeniden tasarlar. Bu, nesne sorgularının başlatılmasını iyileştiren hibrit bir kodlayıcı ve IoU farkındalıklı sorgu seçimiyle gerçekleştirilir. Model, çok ölçekli özellikleri etkili bir şekilde işler ve gece saatlerinde trafik videosu algılama gibi karmaşık ortamlardaki ince ayrıntıları yakalamasını sağlar.

Bununla birlikte, Transformer'lar doğaları gereği kaynak yoğundur. RTDETRv2'yi eğitmek, CNN tabanlı alternatiflere kıyasla genellikle çok daha fazla GPU belleği ve hesaplama döngüsü gerektirir; bu durum, katı bütçe kısıtlarıyla çalışan veya sık sık model ayarlaması yapması gereken ekipler için engel oluşturabilir.

RT-DETR hakkında daha fazla bilgi edin

Performans Karşılaştırma Tablosu#

Bu mimarileri nesnel olarak değerlendirmek için COCO veri kümesi üzerindeki performanslarını inceliyoruz. Aşağıdaki tablo, doğruluk (mAP), parametre sayısı ve hesaplama karmaşıklığı arasındaki ödünleşimleri göstermektedir.

RTDETRv2 etkileyici bir doğruluk elde etse de YOLOX, özellikle Nano ve Tiny varyantlarında, hafif parametre profilleri açısından avantajını koruyor.

Kullanım Alanları ve Öneriler#

YOLOX ile RT-DETR arasında seçim yapmak, özel proje gereksinimlerine, dağıtım kısıtlamalarına ve ekosistem tercihlerine bağlıdır.

YOLOX Ne Zaman Seçilmeli?#

YOLOX şu durumlar için güçlü bir seçenektir:

• Çapasız Algılama Araştırması: Yeni algılama başlıklarını veya kayıp işlevlerini denemek için YOLOX'in temiz, çapasız mimarisini temel alan akademik araştırmalar.
• Ultra Hafif Uç Cihazlar: YOLOX-Nano varyantının son derece küçük ayak izinin (0.91M parametre) kritik olduğu mikrodenetleyicilere veya eski mobil donanımlara dağıtım.
• SimOTA Etiket Atama Çalışmaları: Optimal taşıma tabanlı etiket atama stratejilerini ve bunların eğitim yakınsaması üzerindeki etkisini inceleyen araştırma projeleri.

RT-DETR Ne Zaman Seçilmeli?#

RT-DETR şu durumlarda önerilir:

• Transformer Tabanlı Tespit Araştırması: NMS olmadan uçtan uca nesne tespiti için dikkat mekanizmalarını ve Transformer mimarilerini inceleyen projeler.
• Esnek Gecikmeyle Yüksek Doğruluk Gerektiren Senaryolar: Tespit doğruluğunun en yüksek öncelik olduğu ve biraz daha yüksek çıkarım gecikmesinin kabul edilebildiği uygulamalar.
• Büyük Nesne Tespiti: Transformer'ların küresel dikkat mekanizmasının doğal bir avantaj sağladığı, çoğunlukla orta ve büyük nesneler içeren sahneler.

Ultralytics (YOLO26) Ne Zaman Seçilmeli?#

Yeni projelerin çoğu için Ultralytics YOLO26, performans ve geliştirici deneyiminin en iyi birleşimini sunar:

• NMS'siz Uç Dağıtımı: Maksimum Olmayan Bastırma son işleme karmaşıklığı olmadan tutarlı ve düşük gecikmeli çıkarım gerektiren uygulamalar.
• Yalnızca CPU Kullanılan Ortamlar: Özel GPU hızlandırması olmayan ve YOLO26'nın %43'e varan daha hızlı CPU çıkarımının belirleyici bir avantaj sağladığı cihazlar.
• Küçük Nesne Algılama: ProgLoss ve STAL'ın küçük nesnelerde doğruluğu önemli ölçüde artırdığı hava drone görüntüleri veya IoT sensör analizi gibi zorlu senaryolar.

Ultralytics Avantajı: YOLO26#

Hem YOLOX hem de RTDETRv2 kendine özgü güçlü yönler sunsa da yeni yayımlanan Ultralytics YOLO26, hız, doğruluk ve dağıtım kolaylığı arasındaki tarihsel ödünleşimleri ortadan kaldırarak görsel yapay zekâ alanındaki son teknoloji standardını yeniden tanımlıyor.

1. Uçtan Uca, NMS İçermeyen Mimari#

Transformer modellerinden ilham alırken CNN'lerin verimliliğini koruyan YOLO26, yerel olarak uçtan uca, NMS içermeyen bir tasarıma sahiptir. Maksimum olmayan bastırmayı bir gönderi işleme adımı olarak ortadan kaldıran YOLO26, dağıtım işlem hatlarını önemli ölçüde basitleştirir ve karmaşık eşik ayarlamasının ek yükü olmadan çeşitli uç cihazlarda tutarlı çıkarım gecikmesi sağlar.

2. %43'e Kadar Daha Hızlı CPU Çıkarımı#

RTDETRv2 gibi üst düzey GPU'lara büyük ölçüde dayanan Transformer mimarilerinin aksine YOLO26, özellikle uç bilişim ortamları için optimize edilmiştir. Distribution Focal Loss'un (DFL) kaldırılması sayesinde YOLO26, model dışa aktarımını kolaylaştırır ve %43'e kadar daha hızlı CPU çıkarımı elde eder; bu da onu Raspberry Pi veya standart mobil cihazlar gibi donanımlara entegre etmek için ideal bir seçenek hâline getirir.

3. MuSGD ile Eğitim Verimliliği#

Transformer modellerini eğitmek sıklıkla aşırı CUDA bellek tüketimine ve uzun eğitim sürelerine yol açar. YOLO26, Stokastik Gradyan İnişi ile LLM'den ilham alan Muon optimizer'ın hibriti olan yeni MuSGD Optimizer'ı sunar. Bu yenilik son derece kararlı eğitim ve daha hızlı yakınsama sağlayarak RTDETRv2'ye kıyasla donanım gereksinimlerini önemli ölçüde azaltır.

4. Eşsiz Ekosistem ve Çok Yönlülük#

Ultralytics ekosistemi, sezgisel ve kolaylaştırılmış bir geliştirici deneyimi sunar. Kapsamlı belgeler, aktif topluluk desteği ve bulut destekli Ultralytics Platformu sayesinde tüm yapay zekâ yaşam döngüsünü yönetmek hiç bu kadar kolay olmamıştı. Ayrıca YOLO26 son derece çok yönlüdür. RTDETRv2 nesne algılamaya odaklanırken YOLO26, örnek bölütleme, poz tahmini, görüntü sınıflandırma ve Yönlendirilmiş Sınırlayıcı Kutu (OBB) görevlerini yerel olarak sorunsuz bir şekilde destekler. Yeni ProgLoss + STAL kayıp işlevleriyle geliştirilen YOLO26, hava görüntüleri ve endüstriyel kusur algılama için kritik bir özellik olan küçük nesne tanımada da başarılıdır.

Ultralytics ile Sorunsuz Entegrasyon#

Modelleri dağıtmak, karmaşık ve parçalı kod tabanlarıyla uğraşmayı gerektirmemelidir. Ultralytics Python API'si, son teknoloji ürünü modelleri yalnızca birkaç satır kodla yüklemene, eğitmene ve dışa aktarmana olanak tanır.

from ultralytics import YOLO

# Load the latest YOLO26 nano model for optimal edge performance
model = YOLO("yolo26n.pt")

# Train the model on your custom dataset with minimal memory overhead
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Validate the model's performance
metrics = model.val()

# Export seamlessly to ONNX or TensorRT for deployment
model.export(format="onnx", optimize=True)

Ultralytics'ten yararlanarak araştırma depolarıyla genellikle ilişkilendirilen karmaşık ortam yapılandırmalarını geride bırakır ve pazara sunma süreni kısaltırsın.

Sonuç#

YOLOX ve RTDETRv2, gerçek zamanlı nesne algılamanın gelişiminde önemli dönüm noktalarını temsil eder. YOLOX, son derece verimli anchorsız CNN'lerin uygulanabilirliğini kanıtlarken RTDETRv2, Transformer'ları gerçek zamanlı kısıtlamalara başarıyla uyarladı.

Ancak akıllı perakende analitiğinden gömülü robotik sistemlere kadar uzanan modern uygulamalar için Ultralytics YOLO26 kesin çözümü sunar. NMS içermeyen çıkarımı benzersiz CPU hızları, azaltılmış bellek kullanımı ve Ultralytics Platformu'nun sağlam desteğiyle birleştiren YOLO26, geliştiricilerin yeni nesil güvenilir ve yüksek performanslı bilgisayarlı görü sistemleri oluşturmasını sağlar.