RTDETRv2 vs. DAMO-YOLO#

Die Landschaft der Computer Vision entwickelt sich ständig weiter. Forschende und Ingenieurinnen und Ingenieure arbeiten daran, Modelle zu entwickeln, die Geschwindigkeit, Genauigkeit und Effizienz optimal ausbalancieren. Zwei prominente Architekturen, die in diesem Bereich für großes Aufsehen gesorgt haben, sind RTDETRv2, entwickelt von Baidu, und DAMO-YOLO, entwickelt von Alibaba Group. Beide Modelle erweitern die Grenzen der Echtzeit-Objekterkennung, verfolgen jedoch grundlegend unterschiedliche architektonische Ansätze, um ihre beeindruckenden Ergebnisse zu erzielen.

In diesem technischen Vergleich betrachten wir ihre Architekturen, Trainingsmethoden und Möglichkeiten für den Einsatz in realen Umgebungen im Detail. Außerdem untersuchen wir, wie diese Modelle im Vergleich zum breiteren Ökosystem abschneiden, insbesondere zur hochoptimierten Ultralytics Platform und zur hochmodernen YOLO26-Architektur.

Architektonische Innovationen#

Das Verständnis der Kernmechaniken dieser Modelle ist entscheidend für Machine-Learning-Engineers, die das richtige Werkzeug für Produktionsumgebungen auswählen müssen.

RTDETRv2: Der Transformer-Ansatz#

Aufbauend auf dem Erfolg des ursprünglichen RT-DETR nutzt RTDETRv2 einen hybriden Encoder und einen Transformer-Decoder. Dieses Design ermöglicht es dem Modell, globale Zusammenhänge äußerst effektiv zu verarbeiten, wodurch es sich besonders gut für die Unterscheidung überlappender Objekte in dicht besetzten Szenen eignet. Der bedeutendste Vorteil dieser Architektur ist ihr nativer, NMS-freier Aufbau (Unterdrückung nicht maximaler Werte). Durch den Wegfall des NMS-Nachbearbeitungsschritts vereinfacht RTDETRv2 die Inferenzpipeline und sorgt für eine stabilere Latenz über verschiedene Hardwarekonfigurationen hinweg.

Erfahre mehr über RTDETRv2

DAMO-YOLO: Steigerung der CNN-Effizienz#

DAMO-YOLO bleibt dagegen in der äußerst erfolgreichen CNN-basierten YOLO-Familie verwurzelt, führt jedoch mehrere wegweisende Verbesserungen ein. Das Modell nutzt Neural Architecture Search (NAS), um seinen Backbone zu optimieren und eine maximale Effizienz bei der Merkmalsextraktion sicherzustellen. Darüber hinaus umfasst es ein effizientes RepGFPN (reparametrisiertes generalisiertes Feature-Pyramid-Netzwerk) und ein ZeroHead-Design sowie die Verfahren AlignedOTA und Distillation. Diese Innovationen ermöglichen DAMO-YOLO hohe Inferenzgeschwindigkeiten bei gleichzeitig äußerst konkurrenzfähigem mAP^val-Wert.

Erfahre mehr über DAMO-YOLO

Vergleich von Leistung und Metriken#

Bei der Bewertung von Modellen für den Einsatz sind Leistungskennzahlen wie die mittlere durchschnittliche Präzision (mAP), die Inferenzgeschwindigkeit und die Anzahl der Parameter von entscheidender Bedeutung. Nachfolgend findest du einen detaillierten Vergleich der beiden Modellfamilien.

Analyse der Ergebnisse#

Wie aus der Tabelle hervorgeht, erzielt RTDETRv2-x mit einem mAP^val-Wert von 54,3 die höchste Genauigkeit und zeigt damit die Leistungsfähigkeit der Transformer-Architektur bei anspruchsvollen Validierungen wie dem COCO-Datensatz. Dies geht jedoch mit einer deutlich höheren Parameteranzahl (76M) und mehr FLOPs einher.

DAMO-YOLOt (Tiny) ist dagegen besonders leichtgewichtig und benötigt nur 8,5M Parameter. Dadurch eignet es sich hervorragend für Umgebungen mit stark begrenztem CUDA-Speicher. DAMO-YOLO bietet allgemein einen vorteilhaften Kompromiss zwischen Geschwindigkeit und Genauigkeit für ältere Edge-Geräte.

Ökosystem, Benutzerfreundlichkeit und der Vorteil von Ultralytics#

Während unabhängige Repositories wie das offizielle RT-DETR-GitHub-Repository und das DAMO-YOLO-GitHub-Repository den Quellcode zum Trainieren dieser Modelle bereitstellen, erfordert ihre Integration in Produktionspipelines häufig umfangreichen zusätzlichen Code und manuelle Optimierung.

Hier vereinfacht das Ultralytics-Ökosystem die Arbeit von Entwicklerinnen und Entwicklern erheblich. Ultralytics integriert Modelle wie RTDETRv2 direkt in seine einheitliche API, sodass du Modelle mit nur einer Codezeile trainieren, validieren und exportieren kannst. Darüber hinaus sind Ultralytics-Modelle im Vergleich zu eigenständigen, umfangreichen Transformer-Repositories für ihren geringen Speicherbedarf während des Trainings bekannt.

Codebeispiel: Nahtlose Integration#

So einfach kannst du die Ultralytics-Python-Bibliothek für die Inferenz nutzen. Die API bleibt unabhängig davon konsistent, ob du ein Transformer-Modell oder ein hochmodernes CNN verwendest.

from ultralytics import RTDETR, YOLO

# Load an RTDETRv2 model for complex scene understanding
model_rtdetr = RTDETR("rtdetr-l.pt")

# Load the latest Ultralytics YOLO26 model for ultimate edge performance
model_yolo26 = YOLO("yolo26n.pt")

# Run inference on a sample image effortlessly
results_rtdetr = model_rtdetr("https://ultralytics.com/images/bus.jpg")
results_yolo = model_yolo26("https://ultralytics.com/images/bus.jpg")

# Display the results
results_yolo[0].show()

Ideale Anwendungsfälle#

Die Wahl zwischen diesen Architekturen hängt vollständig von deinen spezifischen Projektanforderungen ab:

• RTDETRv2 eignet sich hervorragend für die serverseitige Verarbeitung, wenn reichlich VRAM verfügbar ist. Das Verständnis globaler Zusammenhänge ist ideal für die medizinische Bildgebung und die Analyse dichter Menschenmengen, in denen Verdeckungen häufig auftreten.
• DAMO-YOLO eignet sich besonders für eingebettete IoT-Anwendungen und schnell laufende industrielle Prüflinien, bei denen eine geringe Parameteranzahl und eine hohe FPS-Zahl zwingend erforderlich sind.

Die Zukunft: Ultralytics YOLO26#

Obwohl sowohl RTDETRv2 als auch DAMO-YOLO ihre Stärken haben, entwickelt sich der Bereich Computer Vision rasant weiter. Für neue Projekte stellt das aktuelle Ultralytics YOLO26 die ultimative Verbindung aus Geschwindigkeit, Genauigkeit und Entwicklerfreundlichkeit dar.

YOLO26 verwendet ein End-to-End-Design ohne NMS und bietet damit den wichtigsten Vorteil von Transformern ohne deren enormen Rechenaufwand. Der innovative MuSGD-Optimierer ist vom Training großer Sprachmodelle inspiriert und sorgt für eine stabile, schnelle Konvergenz. Durch den Verzicht auf DFL (Distribution Focal Loss wurde entfernt, um den Export zu vereinfachen und die Kompatibilität mit Edge-Geräten und Geräten mit geringem Energieverbrauch zu verbessern) erreicht YOLO26 eine bis zu 43 % höhere CPU-Inferenzgeschwindigkeit und ist damit unangefochten führend im Bereich Edge Computing. Zusätzlich sorgen ProgLoss + STAL für verbesserte Verlustfunktionen und deutliche Fortschritte bei der Erkennung kleiner Objekte, was für IoT, Robotik und Luftaufnahmen entscheidend ist.

Im Gegensatz zu Modellen, die strikt auf Begrenzungsrahmen beschränkt sind, bietet die YOLO26-Familie eine beispiellose Vielseitigkeit und unterstützt Aufgaben von der Instanzsegmentierung und Posenschätzung bis hin zu orientierten Begrenzungsrahmen (OBB). Die Verwaltung erfolgt nahtlos über die intuitive Ultralytics Platform.

Modelldetails und Referenzen#

RTDETRv2#

• Autoren: Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang und Yi Liu
• Organisation: Baidu
• Datum: 24.07.2024
• ArXiv: 2407.17140
• GitHub: RT-DETR-Repository

DAMO-YOLO#

• Autoren: Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang und Xiuyu Sun
• Organisation: Alibaba Group
• Datum: 2022-11-23
• Arxiv: 2211.15444v2
• GitHub: DAMO-YOLO-Repository

Wenn du weitere Vergleiche ansehen möchtest, findest du in unseren Anleitungen zu RTDETRv2 vs. YOLO11 und DAMO-YOLO vs. YOLOv8 weitere Informationen dazu, wie diese Modelle im Vergleich zu früheren Generationen der Ultralytics-Familie abschneiden.