Scale-Dependent Performance of YOLOv12 andYOLOv11 for Automated Blood Cell Detection: A Controlled Benchmark on BCCD

Problema

A detecção automatizada de glóbulos vermelhos (RBCs), glóbulos brancos (WBCs) e plaquetas em esfregaços de sangue periférico é crítica para melhorar a velocidade e a reprodutibilidade da análise hematológica. Embora o aprendizado profundo, particularmente a família YOLO (You Only Look Once), tenha se tornado dominante para esta tarefa, os benefícios de desempenho do recém-lançado YOLOv12 sobre seu predecessor, o YOLOv11, permanecem incertos. Especificamente, o YOLOv12 introduz um design "centrado em atenção" apresentando módulos de Atenção de Área (A2) e blocos de Rede de Agregação de Camadas Eficientes Residuais (R-ELAN), oferecendo teoricamente um melhor raciocínio de contexto para células morfologicamente distintas e sobrepostas. No entanto, nenhum estudo havia conduzido anteriormente um benchmark controlado, escala por escala, comparando todas as cinco variantes (do nano ao extra-grande) do YOLOv12 contra o YOLOv11 no conjunto de dados padrão de Contagem e Detecção de Células Sanguíneas (BCCD) sob condições experimentais idênticas.

Metodologia

Os autores realizaram um benchmark rigoroso e controlado para eliminar variáveis de confusão frequentemente encontradas em estudos comparativos.

• Conjunto de Dados: O estudo utilizou o conjunto de dados BCCD v3, composto por 364 imagens de esfregaços de sangue microscópicos. Uma divisão fixa e reprodutível de 70/15/15 para treino/validação/teste foi aplicada (semente aleatória 42), resultando em 255 imagens de treinamento, 55 de validação e 54 de teste.
• Aumento de Dados (Data Augmentation): Para lidar com o pequeno tamanho do conjunto de treinamento, o aumento offline foi aplicado exclusivamente à divisão de treinamento. Sete transformações (giros, rotações, cortes, jitter de HSV) foram usadas para selecionar dois aumentos por imagem, expandindo o conjunto de treinamento de 255 para 765 imagens. Os conjuntos de validação e teste permaneceram sem aumento.
• Modelos: Todos os dez modelos foram avaliados: cinco variantes do YOLOv12 (n, s, m, l, x) e cinco variantes do YOLOv11 (n, s, m, l, x).
  • YOLOv11: Utiliza blocos de backbone C3k2 e um neck C2PSA (bloco convolucional com Atenção Espacial Paralela).
  • YOLOv12: Substitui o neck C2PSA por um módulo de Atenção de Área (A2) (aplicando autoatenção dentro de regiões localizadas) e utiliza blocos R-ELAN no backbone.
• Protocolo de Treinamento: Todos os modelos foram treinados por 100 épocas em uma única GPU NVIDIA A100-SXM4-40 GB usando Ultralytics 8.x e PyTorch 2.10. Os hiperparâmetros (otimizador, momentum, decaimento de peso) foram idênticos em todas as execuções, com taxas de aprendizado ajustadas apenas pela escala. Os modelos foram inicializados com pesos pré-treinados no COCO.
• Métricas de Avaliação: O desempenho foi avaliado no conjunto de teste retido usando mAP@0.5, mAP@0.5:0.95, Precisão Média (AP) por classe, latência de inferência e GFLOPs.
• Análise Estatística: Para determinar se as diferenças de desempenho eram devidas a ruído de amostragem ou vantagens arquiteturais genuínas, os autores aplicaram o teste exato de McNemar para resultados de detecção pareados por imagem (detectado vs. perdido) para cada variante de escala.

Principais Resultados

1. Desempenho Geral e Eficiência

• Desempenho Médio: Em todas as cinco escalas, o mAP@0.5 médio foi quase idêntico entre as duas famílias: 91,40% ± 0,91% para o YOLOv12 e 91,38% ± 0,69% para o YOLOv11.
• Melhor Modelo Único: O YOLOv12n alcançou o melhor equilíbrio para implantação em borda (edge), com o maior mAP@0.5 (92,51%), a menor latência (1,8 ms) e o menor custo computacional (6,5 GFLOPs).
• Desempenho por Classe: A detecção de WBC foi saturada em todos os modelos (AP > 98%). A detecção de RBC mostrou uma leve vantagem para o YOLOv11 (média de AP 85,77% vs. 85,35%), enquanto a detecção de plaquetas foi mais alta na escala extra-grande para ambos (92,95%).

2. Diferenças Estatísticas Dependentes da Escala
Embora o mAP agregado tenha sido semelhante, o teste exato de McNemar revelou diferenças não monotônicas significativas no recall baseadas na escala do modelo:

• Escala Nano: O YOLOv12n superou significativamente o YOLOv11n em recall (94,53% vs. 91,38%, p = 0,0008).
• Escala Small: Nenhuma diferença estatisticamente significativa foi encontrada (p = 0,1034).
• Escalas Medium e Large: A tendência se inverteu. O YOLOv11 superou significativamente o YOLOv12 em recall na escala medium (89,60% vs. 82,08%, p < 0,0001) e na escala large (90,29% vs. 85,23%, p < 0,0001).
• Escala Extra-Large: Ambas as arquiteturas convergiram para um recall idêntico (96,44%, p = 1,0000) e mAP@0.5 idêntico (92,14%).

3. Análise de Erro

• Falhas de Consenso: Uma análise dos objetos perdidos por pelo menos 8 dos 10 modelos identificou 21 "falhas de consenso". Estas foram predominantemente RBCs parcialmente ocluídos por outras células ou plaquetas com baixo contraste. Isso sugere que os erros restantes são impulsionados pela qualidade da imagem e ambiguidade de anotação (ex: células sobrepostas) em vez de limitações arquiteturais específicas de qualquer YOLOv11 ou YOLOv12.
• Dinâmica de Treinamento: Ambas as arquiteturas demonstraram redução suave de perda e treinamento estável em todas as escalas, sem evidência de divergência.

Principais Contribuições

1. Primeiro Benchmark Controlado Escala por Escala: Este é o primeiro estudo que avalia todas as cinco variantes de escala do YOLOv12 contra o YOLOv11 no conjunto de dados BCCD sob condições estritamente idênticas (divisão de dados, aumento, hiperparâmetros e hardware).
2. Revelação da Eficácia Arquitetural Dependente da Escala: O estudo demonstra que o YOLOv12 não supera uniformemente o YOLOv11. Em vez disso, a vantagem do design centrado em atenção é altamente dependente da escala, favorecendo o YOLOv12 apenas na escala nano e o YOLOv11 nas escalas medium e large.
3. Rigor Estatístico: Ao aplicar o teste exato de McNemar ao recall, os autores descobriram lacunas de desempenho significativas que eram mascaradas pelas métricas de mAP agregado, fornecendo uma visão mais matizada da sensibilidade de detecção.

Significado e Alegações

O artigo afirma que a seleção de modelos para detecção automatizada de células sanguíneas não deve depender apenas de pontuações agregadas de mAP, mas deve considerar a escala específica do modelo e os requisitos operacionais (latência vs. recall).

• Para Implantação em Borda (Edge): O YOLOv12n é identificado como a escolha superior, oferecendo o maior mAP, menor latência e uma vantagem de recall estatisticamente significativa sobre seu correspondente YOLOv11.
• Para Aplicações Críticas de Recall: Nas escalas medium e large, o YOLOv11 é preferível, pois fornece melhorias de recall estatisticamente significativas (até 7,5 pontos percentuais) sobre o YOLOv12.
• Retornos Decrescentes: Na escala extra-large, ambas as arquiteturas convergem, sugerindo que simplesmente aumentar a capacidade do modelo não resolverá os erros de detecção restantes causados por sobreposição de células e baixo contraste. Ganhos futuros provavelmente dependerão de melhor consistência de anotação e do tratamento de eritrócitos sobrepostos, em vez de mudanças arquiteturais puras.

Os autores concluem que a introdução da Atenção de Área no YOLOv12 fornece um benefício mensurável apenas na menor capacidade de modelo, enquanto o design convolucional do YOLOv11 permanece mais robusto para escalas intermediárias neste domínio específico.