Comparando o Ultralytics YOLO11 com modelos YOLO anteriores

Desde a automação de tarefas cotidianas até a ajuda na tomada de decisões informadas em tempo real, a inteligência artificial (IA) está remodelando o futuro de várias indústrias. Uma área da IA particularmente fascinante é a computer vision, também conhecida como visão computacional. Ela se concentra em permitir que as máquinas analisem e interpretem dados visuais da mesma forma que os humanos.

Especificamente, os computer vision models estão impulsionando inovações que aumentam tanto a segurança quanto a eficiência. Por exemplo, esses modelos são usados em carros autônomos para detectar pedestres e em câmeras de segurança para monitorar instalações 24 horas por dia.

Alguns dos modelos de computer vision mais conhecidos são os modelos YOLO (You Only Look Once), conhecidos por suas capacidades de detecção de objetos em tempo real. Com o passar do tempo, os modelos YOLO melhoraram, com cada nova versão oferecendo melhor desempenho e mais flexibilidade.

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

Neste artigo, vamos comparar o Ultralytics YOLOv8, o YOLOv9, o YOLOv10 e o Ultralytics YOLO11 para ter uma ideia melhor de como esses modelos evoluíram. Vamos analisar seus principais recursos, resultados de benchmarks e diferenças de desempenho. Vamos começar!

Uma visão geral do Ultralytics YOLOv8#

O YOLOv8, lançado pela Ultralytics em 10 de janeiro de 2023, foi um grande passo à frente em comparação aos modelos YOLO anteriores. Ele foi otimizado para detecção precisa e em tempo real, combinando abordagens bem testadas com atualizações inovadoras para obter melhores resultados.

Indo além da object detection, também suporta as seguintes tarefas de visão computacional: segmentação de instâncias, estimativa de pose, detecção de objetos com bounding boxes orientadas (OBB) e classificação de imagens. Outra característica importante do Ultralytics YOLOv8 é que ele está disponível em cinco variantes de modelo diferentes - Nano, Small, Medium, Large e X - para que possas escolher o equilíbrio certo entre velocidade e precisão de acordo com as tuas necessidades.

Devido à sua versatilidade e forte 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 YOLOv8.

Principais funcionalidades do Ultralytics YOLOv8#

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

• Arquitetura de deteção aprimorada: O Ultralytics YOLOv8 utiliza um backbone CSPDarknet melhorado. Este backbone está otimizado para extração de características - o processo de identificar e capturar padrões ou detalhes importantes a partir de imagens de entrada que ajudam o modelo a fazer previsões precisas.
• Cabeça de detecção: Usa um design desacoplado e anchor-free, o que significa que não depende de formatos de caixas delimitadoras predefinidos (âncoras) e aprende a prever a localização dos objetos diretamente. Devido à configuração desacoplada, as tarefas de classificar o que o objeto é e prever onde ele está (regressão) são tratadas separadamente, o que ajuda a melhorar a precisão e acelera o treinamento.
• Equilibra precisão e velocidade: Este modelo alcança uma precisão impressionante enquanto mantém tempos de inferência rápidos, tornando-o adequado para ambientes de nuvem e de borda (edge).
• Fácil de usar: O YOLOv8 foi projetado para ser simples de começar — podes iniciar predições e ver resultados em poucos minutos usando o Ultralytics Python package.

O YOLOv9 foca na eficiência computacional#

O YOLOv9 foi lançado em 21 de fevereiro de 2024 por Chien-Yao Wang e Hong-Yuan Mark Liao do Instituto de Ciência da Informação da Academia Sinica, em Taiwan. Ele suporta tarefas como detecção de objetos e instance segmentation.

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

O PGI ajuda o YOLOv9 a reter informações importantes à medida que processa dados através de suas camadas, o que leva a resultados mais precisos. Enquanto isso, o GELAN melhora a forma como o modelo usa suas camadas, aumentando o desempenho e a eficiência computacional. Graças a essas atualizações, o YOLOv9 pode lidar com tarefas em tempo real em dispositivos de borda e aplicativos móveis, onde os recursos de computação são frequentemente limitados.

Fig 2. Compreendendo como o GELAN melhora a precisão do YOLOv9.

Principais recursos do YOLOv9#

Aqui está uma visão rápida de alguns dos outros recursos principais do YOLOv9:

• Alta precisão com eficiência: O YOLOv9 oferece alta precisão de detecção sem consumir muito poder de computação, tornando-o uma ótima escolha quando os recursos são limitados.
• Modelos leves: As variantes leves de modelos do YOLOv9 são otimizadas para implantações em borda e dispositivos móveis.
• Fácil de usar: O YOLOv9 é suportado pelo pacote Python da Ultralytics, por isso é simples de configurar e executar em diferentes ambientes, estejas tu a usar código ou a linha de comando.

O YOLOv10 permite detecção de objetos sem NMS#

O YOLOv10 foi introduzido em 23 de maio de 2024 por pesquisadores da Tsinghua University e foca na detecção de objetos em tempo real. Ele aborda limitações das versões anteriores do YOLO ao remover a necessidade de non-maximum suppression (NMS), uma etapa de pós-processamento usada para eliminar detecções duplicadas, e refinar o design geral do modelo. Isso resulta em uma detecção de objetos mais rápida e eficiente, enquanto ainda alcança uma precisão de última geração.

Uma parte vital que torna isso possível é uma abordagem de treinamento conhecida como atribuições de rótulo duplo consistentes (consistent dual-label assignments). Ela combina duas estratégias: uma que permite que múltiplas previsões aprendam com o mesmo objeto (one-to-many) e outra que foca em escolher a melhor previsão única (one-to-one). Como ambas as estratégias seguem as mesmas regras de correspondência, o modelo aprende a evitar duplicatas por conta própria, portanto, o NMS não é necessário.

Fig 3. O YOLOv10 usa atribuições de rótulo duplo consistentes para treinamento sem NMS.

A arquitetura do YOLOv10 também usa um backbone CSPNet aprimorado para aprender características de forma mais eficaz e um neck PAN (Path Aggregation Network) que combina informações de diferentes camadas, tornando-o melhor na detecção de objetos pequenos e grandes. Essas melhorias tornam possível usar o YOLOv10 para aplicações do mundo real na fabricação, varejo e direção autônoma.

Principais recursos do YOLOv10#

Aqui estão alguns dos outros recursos de destaque do YOLOv10:

• Convoluções de grande kernel: O modelo usa convoluções de grande kernel para capturar mais contexto de áreas mais amplas da imagem, ajudando-o a entender melhor a cena geral.

• Módulos de autoatenção parcial: O modelo incorpora módulos de autoatenção parcial para focar nas partes mais importantes da imagem sem usar muito poder de computação, aumentando o desempenho de forma eficiente.

• Variante de modelo única: Junto com os tamanhos usuais do YOLOv10 - Nano, Small, Medium, Large e X - há também uma versão especial chamada YOLOv10b (Balanced). É um modelo mais largo, o que significa que processa mais características em cada camada, o que ajuda a melhorar a precisão enquanto equilibra velocidade e tamanho.

• Fácil de usar: O YOLOv10 é compatível com o pacote Python da Ultralytics, tornando-o fácil de utilizar.

Ultralytics YOLO11: Velocidade e precisão aprimoradas#

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

Esta versão introduziu melhorias significativas em relação às versões anteriores. O Ultralytics YOLO11 é mais rápido, mais preciso e altamente eficiente. Ele suporta toda a gama de computer vision tasks com a qual os usuários do YOLOv8 estão familiarizados, incluindo detecção de objetos, segmentação de instâncias e classificação de imagens. Ele também mantém a compatibilidade com os fluxos de trabalho do YOLOv8, facilitando a transição suave dos usuários para a nova versão.

Além disso, o Ultralytics YOLO11 foi concebido para satisfazer uma vasta gama de necessidades de computação - desde dispositivos edge leves até sistemas em cloud potentes. O modelo está disponível em versões de código aberto e empresarial, tornando-se adaptável a diferentes casos de utilização.

É uma ótima opção para tarefas de precisão como imagens médicas e detecção por satélite, bem como aplicações mais amplas em veículos autônomos, agricultura e saúde.

Fig 4. Usando o Ultralytics YOLO11 para detectar, contar e rastrear tráfego.

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, focando-se na velocidade nas camadas de previsão finais sem comprometer o desempenho.
• Extração de características aprimorada: Uma arquitetura de backbone e neck otimizada aprimora a extração de características, levando a previsões mais precisas.
• Implementação integrada entre plataformas: O Ultralytics YOLO11 está otimizado para correr eficientemente em dispositivos edge, plataformas cloud e GPUs NVIDIA, garantindo adaptabilidade em diferentes ambientes.

Benchmarking de modelos YOLO no conjunto de dados COCO#

Ao explorar diferentes modelos, nem sempre é fácil compará-los apenas olhando para seus recursos. É aí que entram os benchmarks. Ao executar todos os modelos no mesmo conjunto de dados, podemos medir e comparar objetivamente seus desempenhos. Vamos dar uma olhada em como cada modelo se sai no COCO dataset.

Ao comparar modelos YOLO, cada nova versão traz melhorias notáveis em relação à precisão, velocidade e flexibilidade. Em particular, o YOLO11m dá um salto aqui, pois usa 22% menos parâmetros que o YOLOv8m, o que significa que é mais leve e mais rápido de executar. Além disso, apesar de seu tamanho menor, ele atinge uma mean average precision (mAP) maior no conjunto de dados COCO. Essa métrica mede quão bem o modelo detecta e localiza objetos, portanto, um mAP mais alto significa previsões mais precisas.

Fig 5. Realizando o benchmark do YOLO11 e de outros modelos YOLO no COCO dataset.

Testando e comparando modelos YOLO em um vídeo#

Vamos explorar como esses modelos se comportam em uma situação do mundo real.

Para comparar o YOLOv8, YOLOv9, YOLOv10 e YOLO11, todos os quatro foram executados no mesmo vídeo de tráfego usando uma pontuação de confiança de 0,3 (o modelo exibe detecções apenas quando tem pelo menos 30% de certeza de que identificou um objeto corretamente) e um tamanho de imagem de 640 para uma avaliação justa. Os resultados de detecção e rastreamento de objetos destacaram diferenças importantes na precisão, velocidade e exatidão da detecção.

A partir do primeiro frame, o YOLO11 detectou veículos grandes como caminhões que o YOLOv10 perdeu. O YOLOv8 e o YOLOv9 mostraram um desempenho decente, mas variaram dependendo das condições de iluminação e do tamanho do objeto. Veículos menores e distantes permaneceram um desafio em todos os modelos, embora o YOLO11 tenha mostrado melhorias notáveis nessas detecções também.

Fig 6. Comparando YOLOv8, YOLOv9, YOLOv10 e YOLO11.

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

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

Qual modelo YOLO é o melhor para tarefas de computer vision?#

A seleção de um modelo para um projeto depende dos seus requisitos específicos. Por exemplo, algumas aplicações podem priorizar a velocidade, enquanto outras podem exigir maior precisão ou enfrentar restrições de implantação que influenciam a decisão.

Outro fator importante é o tipo de tarefa de computer vision que precisas de abordar. Se procuras uma maior flexibilidade em diferentes tarefas, o YOLOv8 e o YOLO11 são boas opções.

Escolher entre o YOLOv8 e o YOLO11 depende realmente das tuas necessidades. O YOLOv8 é uma opção sólida se estás a começar em visão computacional e dás valor a uma comunidade maior, mais tutoriais e amplas third-party integrations.

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

Principais pontos#

Do Ultralytics YOLOv8 ao Ultralytics YOLO11, a evolução da série de modelos YOLO reflete um esforço consistente em direção a modelos de computer vision mais inteligentes. Cada versão do YOLO traz atualizações significativas em termos de velocidade, precisão e exatidão.

À medida que a computer vision continua a avançar, esses modelos oferecem soluções confiáveis para desafios do mundo real, desde a detecção de objetos até sistemas autônomos. O desenvolvimento contínuo dos modelos YOLO mostra o quão longe o campo chegou e o quanto podemos esperar no futuro.

Para saber mais sobre IA, visita o nosso GitHub repository e interage com our community. Descobre avanços em vários setores, desde vision AI in manufacturing até computer vision in healthcare. Confere as nossas licensing options para começares os teus projetos de visão computacional hoje mesmo.