Comparação do Ultralytics YOLO11 com modelos YOLO anteriores

Desde a automatização de tarefas quotidianas até à ajuda na tomada de decisões informadas em tempo real, a inteligência artificial (AI) está a transformar o futuro de vários setores. Uma área particularmente fascinante da AI é a visão computacional, também conhecida como vision AI. Esta área centra-se em permitir que as máquinas analisem e interpretem dados visuais tal como os seres humanos.

Especificamente, os modelos de visão computacional estão a impulsionar inovações que melhoram tanto a segurança como a eficiência. Por exemplo, estes modelos são utilizados em automóveis autónomos para detetar peões e em câmaras de segurança para monitorizar instalações 24 horas por dia.

Alguns dos modelos de visão computacional mais conhecidos são os modelos YOLO (Só Olhas Uma Vez), conhecidos pelas suas capacidades de deteção de objetos em tempo real. Ao longo do tempo, os modelos YOLO foram melhorados, com cada nova versão a oferecer melhor desempenho e mais flexibilidade.

Versões mais recentes, como o Ultralytics YOLO11, conseguem lidar com várias tarefas, como segmentação de instâncias, classificação de imagens, estimativa de pose e seguimento de múltiplos objetos, com melhor precisão, velocidade e exatidão do que nunca.

Neste artigo, vamos comparar o Ultralytics YOLOv8, o YOLOv9, o YOLOv10 e o Ultralytics YOLO11 para compreender melhor como estes modelos evoluíram. Vamos analisar as suas principais funcionalidades, os resultados dos benchmarks e as diferenças de desempenho. Vamos começar!

Uma visão geral do Ultralytics YOLOv8#

Lançado pela Ultralytics em 10 de janeiro de 2023, o YOLOv8 representou um grande avanço em comparação com os modelos YOLO anteriores. Está otimizado para uma deteção precisa em tempo real, combinando abordagens testadas com atualizações inovadoras para obter melhores resultados.

Além da deteção de objetos, também suporta as seguintes tarefas de visão computacional: segmentação de instâncias, estimativa de pose, deteção de objetos com caixas delimitadoras orientadas (OBB) e classificação de imagens. Outra funcionalidade importante do Ultralytics YOLOv8 é estar disponível em cinco variantes de modelo diferentes — Nano, Small, Medium, Large e X — para que possas escolher o equilíbrio certo entre velocidade e precisão com base nas tuas necessidades.

Graças à sua versatilidade e ao seu forte desempenho, o Ultralytics YOLOv8 pode ser utilizado em muitas aplicações do mundo real, como sistemas de segurança, cidades inteligentes, cuidados de saúde e automação industrial.

Fig. 1. Gestão de estacionamento em cidades inteligentes com o YOLOv8.

Principais funcionalidades do Ultralytics YOLOv8#

Eis uma análise mais detalhada de algumas das outras principais funcionalidades do Ultralytics YOLOv8:

• Arquitetura de deteção melhorada: o Ultralytics YOLOv8 utiliza um backbone CSPDarknet melhorado. Este backbone está otimizado para a extração de funcionalidades — o processo de identificar e captar padrões ou detalhes importantes das imagens de entrada que ajudam o modelo a fazer previsões precisas.
• Cabeça de deteção: utiliza um design sem âncoras e desacoplado, o que significa que não depende de formas predefinidas de caixas delimitadoras (âncoras), aprendendo antes a prever diretamente as localizações dos objetos. Graças à configuração desacoplada, as tarefas de classificar o que é o objeto e prever onde este se encontra (regressão) são tratadas separadamente, o que ajuda a melhorar a precisão e acelera o treino.
• Equilíbrio entre precisão e velocidade: este modelo alcança uma precisão impressionante, mantendo tempos de inferência rápidos, o que o torna adequado tanto para ambientes de cloud como de edge.
• Fácil de utilizar: o YOLOv8 foi concebido para ser fácil de começar a utilizar — podes começar a fazer previsões e a ver resultados em apenas alguns minutos com o pacote Python da Ultralytics.

O YOLOv9 centra-se na eficiência computacional#

O YOLOv9 foi lançado em 21 de fevereiro de 2024 por Chien-Yao Wang e Hong-Yuan Mark Liao, do Institute of Information Science da Academia Sinica, em Taiwan. Suporta tarefas como deteção de objetos e segmentação de instâncias.

Este modelo baseia-se no Ultralytics YOLOv5 e introduz duas grandes inovações: Informação de Gradiente Programável (PGI) e Rede de Agregação de Camadas Generalizada e Eficiente (GELAN).

A PGI ajuda o YOLOv9 a reter informações importantes enquanto processa dados através das suas camadas, o que conduz a resultados mais precisos. Entretanto, a GELAN melhora a forma como o modelo utiliza as suas camadas, aumentando o desempenho e a eficiência computacional. Graças a estas atualizações, o YOLOv9 consegue lidar com tarefas em tempo real em dispositivos edge e aplicações móveis, onde os recursos computacionais são frequentemente limitados.

Fig. 2. Compreender como a GELAN melhora a precisão do YOLOv9.

Principais funcionalidades do YOLOv9#

Eis uma breve visão geral de algumas das outras principais funcionalidades do YOLOv9:

• Alta precisão com eficiência: o YOLOv9 oferece uma elevada precisão de deteção sem consumir muita capacidade computacional, o que o torna uma excelente escolha quando os recursos são limitados.
• Modelos leves: as variantes de modelo leves do YOLOv9 estão otimizadas para implementações em dispositivos edge e móveis.
• Fácil de utilizar: o YOLOv9 é compatível com o pacote Python da Ultralytics, pelo que é simples configurá-lo e executá-lo em diferentes ambientes, quer utilizes código quer a linha de comandos.

O YOLOv10 permite a deteção de objetos sem NMS#

O YOLOv10 foi apresentado em 23 de maio de 2024 por investigadores da Universidade de Tsinghua e centra-se na deteção de objetos em tempo real. Resolve limitações das versões YOLO anteriores ao eliminar a necessidade de supressão não máxima (NMS), uma etapa de pós-processamento utilizada para eliminar deteções duplicadas, e ao aperfeiçoar o design geral do modelo. O resultado é uma deteção de objetos mais rápida e eficiente, mantendo uma precisão de vanguarda.

Uma parte essencial do que torna isto possível é uma abordagem de treino conhecida como atribuições consistentes de rótulos duplos. Combina duas estratégias: uma que permite que várias previsões aprendam a partir do mesmo objeto (um-para-muitos) e outra que se concentra em escolher a melhor previsão única (um-para-um). Como ambas as estratégias seguem as mesmas regras de correspondência, o modelo aprende a evitar duplicados por si próprio, pelo que não é necessário utilizar NMS.

Fig. 3. O YOLOv10 utiliza atribuições consistentes de rótulos duplos para um treino sem NMS.

A arquitetura do YOLOv10 também utiliza um backbone CSPNet melhorado para aprender funcionalidades de forma mais eficaz e um neck PAN (Path Aggregation Network) que combina informações de diferentes camadas, tornando-o melhor na deteção de objetos pequenos e grandes. Estas melhorias permitem utilizar o YOLOv10 em aplicações do mundo real nos setores da indústria transformadora, do retalho e da condução autónoma.

Principais funcionalidades do YOLOv10#

Eis algumas das outras funcionalidades de destaque do YOLOv10:

• Convoluções com kernels grandes: o modelo utiliza convoluções com kernels grandes para captar mais contexto de áreas mais amplas da imagem, ajudando-o a compreender melhor a cena global.

• Módulos de autoatenção parcial: o modelo incorpora módulos de autoatenção parcial para se concentrar nas partes mais importantes da imagem sem utilizar demasiada capacidade computacional, aumentando o desempenho de forma eficiente.

• Variante de modelo exclusiva: além dos tamanhos habituais do YOLOv10 — Nano, Small, Medium, Large e X — existe também uma versão especial chamada YOLOv10b (Balanced). É um modelo mais largo, o que significa que processa mais funcionalidades em cada camada, ajudando a melhorar a precisão e mantendo o equilíbrio entre velocidade e tamanho.

• Fácil de utilizar: o YOLOv10 é compatível com o pacote Python da Ultralytics, o que facilita a sua utilização.

Ultralytics YOLO11: maior velocidade e precisão#

Este ano, em 30 de setembro, a Ultralytics lançou oficialmente o YOLO11 — um dos modelos mais recentes da série YOLO — no seu evento híbrido anual, YOLO Vision 2024 (YV24).

Este lançamento introduziu melhorias significativas em relação às versões anteriores. O Ultralytics YOLO11 é mais rápido, mais preciso e altamente eficiente. Suporta toda a gama de tarefas de visão computacional com que os utilizadores do YOLOv8 estão familiarizados, incluindo deteção de objetos, segmentação de instâncias e classificação de imagens. Também mantém a compatibilidade com os fluxos de trabalho do YOLOv8, facilitando uma transição simples para a nova versão.

Além disso, o Ultralytics YOLO11 foi concebido para responder a uma vasta gama de necessidades computacionais — desde dispositivos edge leves a sistemas cloud potentes. O modelo está disponível em versões open-source e enterprise, o que permite adaptá-lo a diferentes casos de utilização.

É uma excelente opção para tarefas de precisão, como imagiologia médica e deteção por satélite, bem como para aplicações mais abrangentes em veículos autónomos, agricultura e cuidados de saúde.

Fig. 4. Utilizar o Ultralytics YOLO11 para detetar, contar e seguir o trânsito.

Principais funcionalidades do Ultralytics YOLO11#

Eis algumas das outras funcionalidades exclusivas do Ultralytics YOLO11:

• Deteção rápida e eficiente: o Ultralytics YOLO11 inclui uma cabeça de deteção concebida para uma latência mínima, centrada na velocidade nas camadas finais de previsão sem comprometer o desempenho.
• Extração de funcionalidades melhorada: uma arquitetura otimizada de backbone e neck melhora a extração de funcionalidades, conduzindo a previsões mais precisas.
• Implementação simples em várias plataformas: o Ultralytics YOLO11 está otimizado para funcionar de forma eficiente em dispositivos edge, plataformas cloud e GPUs NVIDIA, garantindo adaptabilidade em diferentes ambientes.

Avaliação comparativa dos modelos YOLO no conjunto de dados COCO#

Ao explorar diferentes modelos, nem sempre é fácil compará-los apenas observando as suas funcionalidades. É aí que entra a avaliação comparativa. Ao executar todos os modelos no mesmo conjunto de dados, podemos medir e comparar objetivamente o seu desempenho. Vejamos como cada modelo se comporta no conjunto de dados COCO.

Ao comparar modelos YOLO, cada nova versão traz melhorias significativas em termos de precisão, velocidade e flexibilidade. Em particular, o YOLO11m representa um grande avanço, pois utiliza menos 22% de parâmetros do que o YOLOv8m, o que significa que é mais leve e rápido de executar. Além disso, apesar do seu menor tamanho, alcança uma maior precisão média média (mAP) no conjunto de dados COCO. Esta métrica mede a capacidade do modelo para detetar e localizar objetos, pelo que uma mAP mais elevada significa previsões mais precisas.

Fig. 5. Avaliação comparativa do YOLO11 e de outros modelos YOLO no conjunto de dados COCO.

Testar e comparar modelos YOLO num vídeo#

Vamos explorar o desempenho destes modelos numa situação do mundo real.

Para comparar o YOLOv8, YOLOv9, YOLOv10 e YOLO11, os quatro foram executados no mesmo vídeo de trânsito, utilizando uma pontuação de confiança de 0,3 (o modelo só apresenta deteções quando tem pelo menos 30% de confiança de que identificou corretamente um objeto) e um tamanho de imagem de 640, para uma avaliação justa. Os resultados da deteção e do seguimento de objetos evidenciaram diferenças importantes na precisão, velocidade e exatidão da deteção.

Desde o primeiro fotograma, o YOLO11 detetou veículos grandes, como camiões, que o YOLOv10 não detetou. O YOLOv8 e o YOLOv9 apresentaram um desempenho razoável, mas este variou consoante as condições de iluminação e o tamanho dos objetos. Os veículos mais pequenos e distantes continuaram a ser um desafio em todos os modelos, embora o YOLO11 também tenha mostrado melhorias notáveis nessas deteções.

Fig. 6. Comparação entre YOLOv8, YOLOv9, YOLOv10 e YOLO11.

Em termos de velocidade, todos os modelos operaram entre 10 e 20 milissegundos por fotograma, sendo suficientemente rápidos para lidar com tarefas em tempo real a mais de 50 FPS. Por um lado, o Ultralytics YOLOv8 e o YOLOv9 forneceram deteções estáveis e fiáveis ao longo de todo o vídeo. Curiosamente, o YOLOv10, concebido para uma latência inferior, foi mais rápido, mas apresentou algumas inconsistências na deteção de certos tipos de objetos.

Por outro lado, o Ultralytics YOLO11 destacou-se pela sua exatidão, oferecendo um forte equilíbrio entre velocidade e precisão. Embora nenhum dos modelos tenha tido um desempenho perfeito em todos os fotogramas, a comparação lado a lado demonstrou claramente que o YOLO11 apresentou o melhor desempenho geral.

Qual é o melhor modelo YOLO para tarefas de visão computacional?#

A seleção de um modelo para um projeto depende dos seus requisitos específicos. Por exemplo, algumas aplicações podem dar prioridade à velocidade, enquanto outras podem exigir maior precisão ou estar sujeitas a restrições de implementação que influenciam a decisão.

Outro fator importante é o tipo de tarefas de visão computacional que precisas de realizar. Se procuras uma flexibilidade mais abrangente entre diferentes tarefas, o YOLOv8 e o YOLO11 são boas opções.

A escolha entre o YOLOv8 e o YOLO11 depende realmente das tuas necessidades. O YOLOv8 é uma opção sólida se estás a começar na visão computacional e valorizas uma comunidade maior, mais tutoriais e muitas integrações de terceiros.

Por outro lado, se procuras desempenho de vanguarda com melhor precisão e velocidade, o Ultralytics YOLO11 é a melhor escolha, embora tenha uma comunidade mais pequena e menos integrações por ser uma versão mais recente.

Principais conclusões#

Do Ultralytics YOLOv8 ao Ultralytics YOLO11, a evolução da série de modelos YOLO reflete um esforço contínuo para criar modelos de visão computacional mais inteligentes. Cada versão do YOLO traz melhorias significativas em termos de velocidade, precisão e exatidão.

À medida que a visão computacional continua a avançar, estes modelos oferecem soluções fiáveis para desafios do mundo real, desde a deteção de objetos até aos sistemas autónomos. O desenvolvimento contínuo dos modelos YOLO demonstra o caminho percorrido pelo setor e tudo o que ainda podemos esperar no futuro.

Para saberes mais sobre AI, visita o nosso repositório no GitHub e participa na nossa comunidade. Descobre avanços em vários setores, desde vision AI na indústria transformadora até à visão computacional nos cuidados de saúde. Consulta as nossas opções de licenciamento para começares hoje os teus projetos de vision AI.