DAMO-YOLO vs RTDETRv2
La ricerca sulla visione artificiale ha prodotto numerose architetture progettate per bilanciare velocità, accuratezza ed efficienza computazionale. DAMO-YOLO e RTDETRv2 affrontano queste sfide in modi diversi. Sebbene entrambi puntino all'inferenza in tempo reale, le loro filosofie architetturali differiscono profondamente.
Questa guida illustra le specifiche tecniche, le innovazioni architetturali e i casi d'uso pratici di entrambi i modelli e spiega come la Ultralytics Platform e YOLO26 semplificano la distribuzione.
Panoramica dei modelli#
Conoscere DAMO-YOLO#
Sviluppato da ricercatori di Alibaba Group, DAMO-YOLO introduce un metodo rapido e accurato per il rilevamento di oggetti, basato in larga misura sulla ricerca di architetture neurali (NAS). Sostituisce i backbone tradizionali progettati a mano con strutture generate tramite NAS e progettate per garantire una bassa latenza. Integra inoltre RepGFPN (Reparameterized Generalized Feature Pyramid Network), efficiente, e il design ZeroHead per semplificare l'aggregazione delle feature e le predizioni dei riquadri di delimitazione.
Dettagli principali del modello:
- Autori: Xianzhe Xu, Yiqi Jiang, Weihua Chen, Yilun Huang, Yuan Zhang e Xiuyu Sun
- Organizzazione: Alibaba Group
- Data: 2022-11-23
- arXiv: 2211.15444v2
- GitHub: tinyvision/DAMO-YOLO
- Documentazione: Documentazione di DAMO-YOLO
Conoscere RTDETRv2#
RTDETRv2 di Baidu rappresenta un notevole passo avanti per i Transformer di rilevamento in tempo reale. A differenza dei rilevatori basati su reti neurali convoluzionali (CNN), che si affidano alla Non-Maximum Suppression (NMS), RTDETRv2 utilizza la self-attention per modellare il contesto globale dell'intera immagine. Produce direttamente i riquadri di delimitazione, evitando del tutto la fase di post-elaborazione NMS. Il modello introduce una strategia di addestramento «bag of freebies» per migliorare l'accuratezza di base senza aumentare la latenza di inferenza.
Dettagli principali del modello:
- Autori: Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang e Yi Liu
- Organizzazione: Baidu
- Data: 2024-07-24
- arXiv: 2407.17140
- GitHub: Repository RT-DETR
- Documentazione: Documentazione di RTDETRv2
Sebbene i Transformer richiedano più risorse computazionali, la loro capacità di elaborare il contesto globale li rende efficaci nella comprensione di scene complesse, uno dei principali punti di forza di RTDETRv2.
Confronto delle prestazioni#
Per valutare questi modelli in vista della distribuzione nel mondo reale, sono fondamentali metriche come Mean Average Precision (mAP), velocità di inferenza e ingombro in memoria. In genere, i modelli basati su Transformer come RTDETRv2 richiedono più memoria CUDA durante l'addestramento e l'inferenza rispetto alle CNN leggere come DAMO-YOLO.
La tabella seguente confronta le metriche di prestazione.
| Modello | dimensione (pixel) | mAPval50-95 | Velocità CPU ONNX (ms) | Velocità T4 TensorRT10 (ms) | parametri (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| DAMO-YOLOt | 640 | 42.0 | - | 2.32 | 8.5 | 18.1 |
| DAMO-YOLOs | 640 | 46.0 | - | 3.45 | 16.3 | 37.8 |
| DAMO-YOLOm | 640 | 49.2 | - | 5.09 | 28.2 | 61.8 |
| DAMO-YOLOl | 640 | 50.8 | - | 7.18 | 42.1 | 97.3 |
| RTDETRv2-s | 640 | 48.1 | - | 5.03 | 20 | 60 |
| RTDETRv2-m | 640 | 51.9 | - | 7.51 | 36 | 100 |
| RTDETRv2-l | 640 | 53.4 | - | 9.76 | 42 | 136 |
| RTDETRv2-x | 640 | 54.3 | - | 15.03 | 76 | 259 |
Casi d'uso ideali#
Dove DAMO-YOLO eccelle: Grazie al backbone ottimizzato tramite NAS e al basso numero di parametri nelle varianti più piccole (come DAMO-YOLOt), è adatto alla distribuzione su hardware con risorse limitate. Se stai sviluppando soluzioni per dispositivi embedded con runtime come ONNX o motori TensorRT specializzati per l'edge computing, DAMO-YOLO offre un framework reattivo.
Dove RTDETRv2 eccelle: RTDETRv2 offre le prestazioni migliori quando sono disponibili GPU di livello server e il contesto globale dell'immagine è prioritario. La sua architettura Transformer gli consente di risolvere naturalmente le sovrapposizioni tra riquadri di delimitazione senza NMS, rendendolo una scelta robusta per la gestione delle folle o il tracking degli oggetti complesso, dove sono fondamentali le relazioni spaziali tra oggetti distanti.
Il vantaggio di Ultralytics: ecco YOLO26#
Sebbene DAMO-YOLO e RTDETRv2 rappresentino importanti risultati accademici, trasformarli in applicazioni scalabili e pronte per la produzione può essere difficile. Gli sviluppatori spesso devono affrontare codebase frammentate, mancanza di supporto per l'apprendimento multitask e pipeline di distribuzione complesse.
È qui che l'ecosistema Ultralytics si distingue. Dando priorità alla facilità d'uso, a un'API Python ben mantenuta e alla versatilità multi-task, Ultralytics permette agli sviluppatori di dedicare meno tempo al debug e più tempo allo sviluppo.
Il modello Ultralytics YOLO26, rilasciato di recente, si basa su questi vantaggi e introduce diversi miglioramenti rispetto sia a DAMO-YOLO sia a RTDETRv2:
- Design end-to-end senza NMS: riprendendo l'addestramento senza NMS di YOLOv10, YOLO26 offre una testa end-to-end opzionale (
nms=False). Questo elimina la post-elaborazione NMS, rendendo la distribuzione più rapida e semplice rispetto ai rilevatori CNN tradizionali e mantenendo i vantaggi dell'output diretto di RTDETRv2. - Inferenza su CPU fino al 43% più veloce: YOLO26n è fino al 43% più veloce di YOLO11n su CPU ONNX ed è ottimizzato per i dispositivi di IA edge privi di GPU discrete, risultando una scelta migliore dei Transformer ad alto consumo di memoria per le applicazioni IoT.
- Ottimizzatore MuSGD: ispirata a Kimi K2 di Moonshot AI, questa combinazione di SGD e Muon porta nella visione artificiale le tecniche di addestramento dei modelli linguistici di grandi dimensioni (LLM), garantendo un addestramento stabile e una convergenza più rapida.
- ProgLoss + STAL: la loss progressiva e l'assegnazione delle etichette consapevole degli oggetti piccoli migliorano il riconoscimento degli oggetti piccoli, un ambito in cui i modelli hanno tradizionalmente difficoltà. Questo è fondamentale per le immagini aeree e le applicazioni con droni.
- Rimozione di DFL: Distribution Focal Loss è stata rimossa per semplificare i formati di esportazione e migliorare la compatibilità con i dispositivi edge a basso consumo.
- Versatilità multi-task: a differenza dei modelli concorrenti, limitati al rilevamento, YOLO26 include miglioramenti specifici per ciascun task, come una loss di segmentazione semantica che favorisce la convergenza della segmentazione di istanze, la stima della log-verosimiglianza residua (RLE) per la stima della posa e una loss angolare specializzata per i riquadri di delimitazione orientati (OBB).
L'addestramento di modelli basati su Transformer come RTDETRv2 richiede grandi quantità di memoria CUDA e spesso rende necessarie costose configurazioni multi-GPU. I modelli Ultralytics YOLO richiedono molta meno memoria sia durante l'addestramento sia durante l'inferenza, rendendo lo sviluppo dell'IA accessibile tanto ai ricercatori quanto agli appassionati.
Esempio di codice: l'API unificata di Ultralytics#
Uno dei principali vantaggi dell'ecosistema Ultralytics è la sua API unificata. Puoi caricare, addestrare e convalidare diversi modelli, tra cui un'implementazione PyTorch di RT-DETR e i modelli YOLO più recenti, senza cambiare flusso di lavoro.
from ultralytics import RTDETR, YOLO
# Carica un modello RT-DETR
model_rtdetr = RTDETR("rtdetr-l.pt")
# Carica il modello YOLO26
model_yolo = YOLO("yolo26n.pt")
# Esegui l'inferenza su un'immagine con un'interfaccia semplice e unificata
results_rtdetr = model_rtdetr("https://ultralytics.com/images/bus.jpg")
results_yolo = model_yolo("https://ultralytics.com/images/bus.jpg")
# Mostra gli oggetti rilevati
results_yolo[0].show()Questa semplicità si estende all'addestramento su dataset personalizzati e all'esportazione. Utilizzando il pacchetto Python Ultralytics, gli sviluppatori possono esportare i pesi addestrati in formati di distribuzione come CoreML o OpenVINO con un solo comando.
Conclusioni e approfondimenti#
Sia DAMO-YOLO sia RTDETRv2 hanno fatto progredire il rilevamento di oggetti in tempo reale. DAMO-YOLO offre strutture di rete ottimizzate e ricercate automaticamente per garantire efficienza grezza, mentre RTDETRv2 dimostra che i Transformer possono competere nell'ambito del tempo reale eliminando i colli di bottiglia tradizionali come NMS.
Tuttavia, per gli sviluppatori che cercano prestazioni equilibrate, documentazione completa e idoneità alla produzione, i modelli Ultralytics YOLO restano un'ottima scelta predefinita. Con YOLO26, gli utenti ottengono il rilevamento end-to-end opzionale, simile a quello dei Transformer, l'efficienza di addestramento ispirata agli LLM e l'inferenza rapida su CPU, il tutto in un ecosistema intuitivo e robusto.
Se stai valutando modelli per il tuo prossimo progetto, potresti leggere anche il confronto EfficientDet vs RT-DETR, esplorare la generazione precedente YOLO11 o consultare benchmark accademici come YOLOX. Inizia a sviluppare oggi esplorando la guida introduttiva di Ultralytics.
Commenti
Fai una domanda, condividi i tuoi risultati o aiuta qualcun altro.