Link to this sectionDAMO-YOLO vs RTDETRv2#

Il panorama in rapida evoluzione della visione artificiale ha prodotto una notevole serie di architetture progettate per bilanciare velocità, precisione ed efficienza computazionale. Due modelli di spicco che hanno contribuito con approcci unici alla risoluzione di queste sfide sono DAMO-YOLO e RTDETRv2. Sebbene entrambi i modelli puntino a fornire soluzioni all'avanguardia per l'inferenza in tempo reale, differiscono profondamente nelle loro filosofie architettoniche.

Questa guida completa approfondisce le specifiche tecniche, le innovazioni architettoniche e i casi d'uso pratici di entrambi i modelli, esplorando al contempo come soluzioni moderne quali la Ultralytics Platform e il modello all'avanguardia YOLO26 abbiano ridefinito gli standard del settore per il deployment e la facilità d'uso.

Link to this sectionPanoramica dei modelli#

Link to this sectionComprendere DAMO-YOLO#

Sviluppato dai ricercatori di Alibaba Group, DAMO-YOLO introduce un metodo di rilevamento oggetti rapido e preciso che si affida pesantemente alla Neural Architecture Search (NAS). Sostituisce le architetture backbone tradizionali, create manualmente, con strutture generate tramite NAS progettate per una bassa latenza. Inoltre, incorpora un efficiente RepGFPN (Reparameterized Generalized Feature Pyramid Network) e un design ZeroHead per ottimizzare l'aggregazione delle feature e le previsioni dei bounding box.

Dettagli chiave del modello:

• Autori: Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang e Xiuyu Sun
• Organizzazione: Alibaba Group
• Data: 23-11-2022
• Arxiv: 2211.15444v2
• GitHub: tinyvision/DAMO-YOLO
• Documentazione: Documentazione di DAMO-YOLO

Scopri di più su DAMO-YOLO

Link to this sectionComprendere RTDETRv2#

Il modello RTDETRv2 di Baidu rappresenta un salto significativo per i Real-Time Detection Transformers. A differenza delle tradizionali reti neurali convoluzionali (CNN) che si basano su anchor box e Non-Maximum Suppression (NMS), RTDETRv2 utilizza meccanismi di self-attention per analizzare l'intera immagine in modo contestuale. Produce direttamente i bounding box, aggirando completamente il passaggio di post-elaborazione NMS. Questo modello introduce una strategia di training "bag of freebies" per migliorare la precisione di base senza aumentare la latenza di inferenza.

Dettagli chiave del modello:

• Autori: Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang e Yi Liu
• Organizzazione: Baidu
• Data: 24-07-2024
• Arxiv: 2407.17140
• GitHub: Repository RT-DETR
• Documentazione: Documentazione RTDETRv2

Scopri di più su RTDETRv2

Link to this sectionConfronto delle Prestazioni#

Quando valuti questi modelli per un deployment nel mondo reale, parametri come la Mean Average Precision (mAP), la velocità di inferenza e l'impronta di memoria sono critici. I modelli basati su transformer come RTDETRv2 richiedono generalmente una maggiore memoria CUDA durante il training e l'inferenza rispetto alle CNN leggere come DAMO-YOLO.

Di seguito trovi un confronto dettagliato delle loro metriche di prestazione.

Link to this sectionCasi d'uso ideali#

Dove eccelle DAMO-YOLO: Grazie al suo backbone ottimizzato con NAS e al numero eccezionalmente basso di parametri nelle varianti più piccole (come DAMO-YOLOt), è altamente adatto al deployment su hardware con forti limitazioni. Se stai costruendo soluzioni per dispositivi embedded utilizzando runtime come ONNX o motori TensorRT specializzati per l'edge computing, DAMO-YOLO fornisce un framework altamente reattivo.

Dove eccelle RTDETRv2: RTDETRv2 brilla in scenari in cui sono disponibili GPU di livello server e il contesto globale dell'immagine è fondamentale. La sua architettura transformer gli permette di risolvere naturalmente i bounding box sovrapposti senza NMS, rendendolo una scelta solida per il crowd management denso o il object tracking complesso, dove le relazioni spaziali tra oggetti distanti sono critiche.

Link to this sectionIl vantaggio di Ultralytics: introduzione a YOLO26#

Sebbene DAMO-YOLO e RTDETRv2 rappresentino significativi risultati accademici, la transizione di questi modelli in applicazioni scalabili e pronte per la produzione può essere complessa. Gli sviluppatori spesso affrontano basi di codice frammentate, mancanza di supporto per l'apprendimento multi-task e pipeline di deployment complicate.

È qui che l'ecosistema Ultralytics si distingue veramente. Dando priorità alla facilità d'uso, a un'API Python ben mantenuta e a una versatilità impareggiabile, Ultralytics assicura che tu spenda meno tempo nel debug e più tempo a costruire.

Il modello Ultralytics YOLO26, rilasciato di recente, porta questi vantaggi a un livello superiore, offrendo innovazioni che superano sia DAMO-YOLO che RTDETRv2:

• Design end-to-end senza NMS: Introdotto originariamente in YOLOv10, YOLO26 è nativamente end-to-end. Questo elimina completamente la post-elaborazione NMS, rendendo il deployment più veloce e drasticamente più semplice rispetto alle CNN tradizionali, mantenendo al contempo i benefici dell'output diretto di RTDETRv2.
• Fino al 43% di velocità di inferenza CPU in più: Fortemente ottimizzato per dispositivi edge AI senza GPU discrete, il che lo rende una scelta decisamente superiore per le applicazioni IoT rispetto ai transformer, che sono pesanti in termini di memoria.
• Ottimizzatore MuSGD: Ispirato a Kimi K2 di Moonshot AI, questo ibrido di SGD e Muon porta le innovazioni del training dei Large Language Model (LLM) nella visione artificiale, portando a un training notevolmente più stabile e una convergenza più rapida.
• ProgLoss + STAL: Queste funzioni di perdita avanzate offrono notevoli miglioramenti nel riconoscimento di piccoli oggetti, un'area in cui i modelli tradizionalmente faticano. Questo è fondamentale per la aerial imagery e le applicazioni con droni.
• Rimozione di DFL: La Distribution Focal Loss è stata rimossa per garantire formati di esportazione semplificati e una migliore compatibilità con dispositivi edge a basso consumo.
• Versatilità impareggiabile: A differenza dei modelli concorrenti limitati strettamente al rilevamento, YOLO26 include miglioramenti specifici per ogni compito, come la loss d'angolo specializzata per Oriented Bounding Boxes (OBB), la loss di segmentazione semantica per una precisione perfetta a livello di pixel e la Residual Log-Likelihood Estimation (RLE) per la Pose estimation.

Scopri di più su YOLO26

Link to this sectionEsempio di codice: L'API unificata di Ultralytics#

Uno dei maggiori vantaggi dell'ecosistema Ultralytics è la sua API unificata. Puoi caricare, addestrare e validare senza problemi una varietà di modelli, inclusa un'implementazione PyTorch di RTDETR e i modelli YOLO all'avanguardia, senza modificare il tuo workflow.

from ultralytics import RTDETR, YOLO

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

# Load the cutting-edge YOLO26 model
model_yolo = YOLO("yolo26n.pt")

# Run inference on an image with a simple, unified interface
results_rtdetr = model_rtdetr("https://ultralytics.com/images/bus.jpg")
results_yolo = model_yolo("https://ultralytics.com/images/bus.jpg")

# Display the detected objects
results_yolo[0].show()

Questa semplicità si estende al training su dataset personalizzati e all'esportazione. Utilizzando il pacchetto Python di Ultralytics, puoi facilmente inviare i tuoi pesi addestrati a piattaforme di deployment come CoreML o OpenVINO con un singolo comando.

Link to this sectionConclusione ed esplorazione ulteriore#

Sia DAMO-YOLO che RTDETRv2 hanno innegabilmente spinto i confini di ciò che è possibile nel rilevamento oggetti in tempo reale. DAMO-YOLO fornisce strutture di rete ottimizzate e cercate automaticamente per un'efficienza pura, mentre RTDETRv2 dimostra che i transformer possono competere nello spazio del tempo reale eliminando colli di bottiglia tradizionali come NMS.

Tuttavia, per gli sviluppatori che cercano l'equilibrio definitivo tra prestazioni, documentazione completa e prontezza per la produzione, i modelli Ultralytics YOLO rimangono il gold standard. Con l'introduzione di YOLO26, ottieni l'accesso a un rilevamento end-to-end simile ai transformer, un'efficienza di training ispirata agli LLM e velocità CPU senza pari, il tutto all'interno di un ecosistema intuitivo e robusto.

Se stai valutando i modelli per il tuo prossimo progetto, potresti trovare utile leggere i nostri confronti tra EfficientDet vs RTDETR, esplorare la generazione precedente YOLO11 o rivedere i baseline accademici come YOLOX. Inizia a costruire oggi esplorando la guida rapida di Ultralytics.