Comparando Ultralytics YOLO11 com modelos YOLO anteriores

Desde a automatização de tarefas do dia a dia até ao apoio à tomada de decisões informadas em tempo real, a inteligência artificial (AI) está a transformar o futuro de vários setores. Uma área particularmente fascinante da IA é a visão computacional, também conhecida como IA de visão. Esta área procura permitir que as máquinas analisem e interpretem dados visuais como os seres humanos.

Em particular, os modelos de visão computacional estão a impulsionar inovações que melhoram tanto a segurança como a eficiência. Por exemplo, estes modelos são usados em carros autónomos para detetar peões e em câmaras de segurança para monitorizar instalações ininterruptamente.

Alguns dos modelos de visão computacional mais conhecidos são os modelos YOLO (Só Olhe Uma Vez), conhecidos pela sua capacidade de detetar objetos em tempo real. Ao longo do tempo, os modelos YOLO foram melhorando, e cada nova versão oferece melhor desempenho e mais flexibilidade.

As versões mais recentes, como o Ultralytics YOLO11, conseguem executar várias tarefas, como segmentação de instâncias, classificação de imagens, estimativa de pose e acompanhamento de vários objetos, com mais precisão e velocidade do que nunca.

Neste artigo, vamos comparar o Ultralytics YOLOv8, o YOLOv9, o YOLOv10 e o Ultralytics YOLO11 para perceber melhor a evolução destes modelos. Vamos analisar as respetivas funcionalidades principais, os resultados dos testes de referência e as diferenças de desempenho. Vamos começar!

Uma visão geral do Ultralytics YOLOv8#

Lançado pela Ultralytics a 10 de janeiro de 2023, o YOLOv8 representou um grande avanço em relação aos modelos YOLO anteriores. Foi otimizado para deteção precisa em tempo real, combinando abordagens testadas com inovações 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 a sua disponibilidade em cinco variantes de modelo — Nano, Small, Medium, Large e X — para que possas escolher o equilíbrio entre velocidade e precisão mais adequado às tuas necessidades.

Graças à sua versatilidade e ao seu elevado desempenho, o Ultralytics YOLOv8 pode ser usado 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 funcionalidades principais do Ultralytics YOLOv8:

• Arquitetura de deteção melhorada: o Ultralytics YOLOv8 usa um backbone CSPDarknet melhorado. Este backbone está otimizado para a extração de características — 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: usa uma arquitetura sem âncoras e desacoplada, ou seja, 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 objeto e prever a sua localização (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 e mantém tempos de inferência rápidos, sendo adequado tanto para ambientes de cloud como para ambientes de edge.
• Fácil de usar: o YOLOv8 foi concebido para que seja fácil começar — podes começar a fazer previsões e a ver resultados em apenas alguns minutos com o pacote Python da Ultralytics.

O YOLOv9 dá prioridade à eficiência computacional#

O YOLOv9 foi lançado a 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 a deteção de objetos e a 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 eficiente generalizada (GELAN).

A PGI ajuda o YOLOv9 a preservar informações importantes à medida que processa os dados pelas suas camadas, o que conduz a resultados mais precisos. Por sua vez, a GELAN melhora a forma como o modelo usa as camadas, aumentando o desempenho e a eficiência computacional. Graças a estas melhorias, o YOLOv9 consegue executar tarefas em tempo real em dispositivos edge e aplicações móveis, onde os recursos computacionais são muitas vezes limitados.

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

Principais funcionalidades do YOLOv9#

Eis algumas das outras funcionalidades principais do YOLOv9:

• Elevada precisão com eficiência: o YOLOv9 oferece elevada precisão de deteção sem consumir muito poder computacional, sendo uma ótima escolha quando os recursos são limitados.
• Modelos leves: as variantes leves do YOLOv9 estão otimizadas para implementações em dispositivos edge e móveis.
• Fácil de usar: o YOLOv9 é compatível com o pacote Python da Ultralytics, pelo que é fácil de configurar e executar em diferentes ambientes, quer uses código quer a linha de comandos.

O YOLOv10 permite a deteção de objetos sem NMS#

O YOLOv10 foi apresentado a 23 de maio de 2024 por investigadores da Universidade Tsinghua e centra-se na deteção de objetos em tempo real. Resolve limitações das versões anteriores do YOLO ao eliminar a necessidade da supressão não máxima (NMS), uma etapa de pós-processamento usada para eliminar deteções duplicadas, e ao aperfeiçoar a conceção geral do modelo. O resultado é uma deteção de objetos mais rápida e eficiente, sem deixar de alcançar 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 (uma para muitas) e outra que se concentra em escolher a melhor previsão única (uma para uma). Como ambas as estratégias seguem as mesmas regras de correspondência, o modelo aprende a evitar duplicados por si só, dispensando a NMS.

Fig. 3. O YOLOv10 usa atribuições consistentes de rótulos duplos para treinar sem NMS.

A arquitetura do YOLOv10 também usa um backbone CSPNet melhorado para aprender características de forma mais eficaz e um neck PAN (rede de agregação de caminhos) que combina informações de diferentes camadas, o que melhora a deteção de objetos pequenos e grandes. Estas melhorias permitem usar o YOLOv10 em aplicações do mundo real na indústria transformadora, no retalho e na condução autónoma.

Principais funcionalidades do YOLOv10#

Eis algumas das outras funcionalidades de destaque do YOLOv10:

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

• Módulos de autoatenção parcial: o modelo incorpora módulos de autoatenção parcial para se concentrar nas partes mais importantes da imagem sem usar demasiados recursos computacionais, melhorando o desempenho de forma eficiente.

• Variante de modelo única: 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, ou seja, processa mais características em cada camada, o que ajuda a melhorar a precisão e mantém o equilíbrio entre velocidade e tamanho.

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

Ultralytics YOLO11: mais velocidade e precisão#

Este ano, a 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 trouxe 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 que os utilizadores do YOLOv8 conhecem, 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 sem problemas para a nova versão.

Além disso, o Ultralytics YOLO11 foi concebido para responder a uma ampla variedade de necessidades computacionais — desde dispositivos edge leves até sistemas cloud potentes. O modelo está disponível em versões de código aberto e empresariais, adaptando-se a diferentes casos de uso.

É uma ótima 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 acompanhar 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 minimizar a latência, dando prioridade à velocidade nas camadas finais de previsão sem comprometer o desempenho.
• Extração de características melhorada: uma arquitetura otimizada de backbone e neck melhora a extração de características, permitindo 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 a sua adaptabilidade a diferentes ambientes.

Testes de referência dos modelos YOLO no conjunto de dados COCO#

Ao explorar diferentes modelos, nem sempre é fácil compará-los apenas pelas suas funcionalidades. É aí que entram os testes de referência. Ao executar todos os modelos no mesmo conjunto de dados, podemos medir e comparar o seu desempenho de forma objetiva. Vejamos o desempenho de cada modelo no conjunto de dados COCO.

Ao comparar modelos YOLO, cada nova versão traz melhorias notáveis em termos de precisão, velocidade e flexibilidade. Em particular, o YOLO11m dá um grande salto, pois usa menos 22% de parâmetros do que o YOLOv8m, o que o torna mais leve e rápido de executar. Além disso, apesar do tamanho mais reduzido, alcança uma precisão média (mAP) superior no conjunto de dados COCO. Esta métrica mede a eficácia do modelo na deteção e localização de objetos, pelo que um valor de mAP superior significa previsões mais precisas.

Fig. 5. Testes de referência 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, o YOLOv9, o YOLOv10 e o YOLO11, os quatro foram executados no mesmo vídeo de trânsito, com 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 garantir uma avaliação justa. Os resultados da deteção e do acompanhamento de objetos evidenciaram diferenças importantes na precisão da deteção, na velocidade e na precisão.

Logo na primeira imagem, o YOLO11 detetou veículos grandes, como camiões, que o YOLOv10 não detetou. O YOLOv8 e o YOLOv9 tiveram 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 para todos os modelos, embora o YOLO11 também tenha apresentado melhorias notáveis na deteção desses veículos.

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

Em termos de velocidade, todos os modelos processaram cada imagem em 10 a 20 milissegundos, o que é suficientemente rápido para 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 reduzir a latência, foi mais rápido, mas apresentou algumas inconsistências na deteção de determinados tipos de objetos.

Por outro lado, o Ultralytics YOLO11 destacou-se pela precisão, oferecendo um bom equilíbrio entre velocidade e precisão. Embora nenhum dos modelos tenha tido um desempenho perfeito em todas as imagens, a comparação lado a lado demonstrou claramente que o YOLO11 obteve o melhor desempenho global.

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

A escolha de um modelo para um projeto depende dos requisitos específicos do projeto. 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 maior flexibilidade para executar 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 amplas integrações de terceiros.

Por outro lado, se procuras um desempenho de ponta, com maior precisão e velocidade, o Ultralytics YOLO11 é a melhor escolha, embora tenha uma comunidade menor e menos integrações por ser um lançamento mais recente.

Principais conclusões#

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

À medida que a visão computacional continua a evoluir, 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 mostra o caminho percorrido pelo setor e tudo o que ainda podemos esperar no futuro.

Para saberes mais sobre IA, visita o nosso repositório do GitHub e participa na nossa comunidade. Descobre os avanços em vários setores, desde a IA de visão na indústria transformadora até à visão computacional nos cuidados de saúde. Consulta as nossas opções de licenciamento para começares hoje os teus projetos de IA de visão.