EfficientDet vs RTDETRv2
Scegliere l'architettura ottimale per i progetti di visione artificiale richiede di orientarsi in un panorama variegato di reti neurali. Questa guida confronta due approcci distinti: EfficientDet, una famiglia scalabile di reti neurali convoluzionali (CNN), e RTDETRv2, un rilevatore Transformer in tempo reale. Valuta le differenze strutturali, i metodi di addestramento e l'idoneità al deployment nei diversi ambienti hardware.
Comprendere i compromessi tra l'efficienza delle prime CNN e le capacità dei Transformer moderni aiuta gli sviluppatori a prendere decisioni consapevoli. La guida spiega anche come Ultralytics YOLO26 colmi il divario con modelli rapidi, precisi e facili da usare.
Conoscere EfficientDet#
EfficientDet ha fatto progredire il rilevamento degli oggetti introducendo un approccio fondato su principi solidi per lo scaling dei modelli.
- Autori: Mingxing Tan, Ruoming Pang e Quoc V. Le
- Organizzazione: Google
- Data: 20 novembre 2019
- arXiv: https://arxiv.org/abs/1911.09070
- GitHub: Repository Google AutoML
- Documentazione: Documentazione di EfficientDet
Architettura e concetti fondamentali#
Alla base, EfficientDet utilizza EfficientNet come backbone e introduce la rete piramidale di caratteristiche bidirezionale (BiFPN). BiFPN consente una rapida fusione di caratteristiche a più scale applicando pesi apprendibili per stabilire l'importanza delle diverse caratteristiche di input. A questo si affianca un metodo di compound scaling che ridimensiona uniformemente e simultaneamente risoluzione, profondità e larghezza del backbone, della rete di caratteristiche e delle reti di previsione di box e classi.
Punti di forza e limiti#
Il principale punto di forza di EfficientDet è l'efficienza dei parametri. Al momento del rilascio, modelli come EfficientDet-D0 raggiungevano una precisione maggiore con meno parametri e FLOPs rispetto alle precedenti versioni di YOLO. Per questo erano interessanti negli ambienti con limiti di calcolo rigorosi.
Tuttavia, durante il post-processing EfficientDet usa la soppressione standard dei massimi non locali (NMS) per filtrare i box delimitatori sovrapposti, con possibili colli di bottiglia della latenza nelle pipeline in tempo reale. Inoltre, benché il processo di addestramento sia ben documentato, ottimizzare EfficientDet può essere macchinoso rispetto all'esperienza di sviluppo semplificata degli strumenti moderni.
Sebbene EfficientDet abbia aperto la strada alle reti scalabili, il deployment di questi modelli sulle NPU moderne richiede spesso un'ampia ottimizzazione manuale. Per deployment semplificati, i nuovi modelli Ultralytics offrono l'esportazione con un solo clic.
Alla scoperta di RTDETRv2#
RTDETRv2 rappresenta l'evoluzione dei rilevatori basati su Transformer e si allontana dalle CNN tradizionali basate su anchor.
- Autori: Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang e Yi Liu
- Organizzazione: Baidu
- Data: 2024-07-24
- arXiv: https://arxiv.org/abs/2407.17140
- GitHub: Repository RT-DETR
- Documentazione: Documentazione di RTDETRv2
Progressi nei Transformer#
RTDETRv2 si basa sul modello di riferimento Real-Time Detection Transformer (RT-DETR). Utilizza meccanismi di attenzione globale che consentono al modello di comprendere contesti di scena complessi senza i vincoli locali delle convoluzioni standard. Il vantaggio architetturale più significativo è il design nativamente senza NMS. Prevedendo direttamente gli oggetti dall'immagine di input, semplifica la pipeline di inferenza ed evita l'ottimizzazione euristica richiesta dal post-processing NMS.
Punti di forza e debolezze#
RTDETRv2 offre buone prestazioni negli ambienti ad alta densità, dove gli oggetti sovrapposti confondono le CNN tradizionali. È molto preciso su dataset complessi come COCO.
Nonostante la loro accuratezza, i modelli Transformer richiedono molta memoria. L'efficienza dell'addestramento è notevolmente inferiore; rispetto alle CNN, per convergere il modello richiede molte più epoche e una quantità di memoria CUDA significativamente maggiore. Questo rende RTDETRv2 meno adatto agli sviluppatori con budget cloud limitati o che hanno bisogno di una prototipazione rapida.
L'addestramento di modelli Transformer come RTDETRv2 richiede in genere GPU di fascia alta. Se incontri errori di memoria insufficiente (OOM), valuta l'uso in fase di addestramento di modelli che richiedono meno memoria, come la serie Ultralytics YOLO.
Confronto dei benchmark di prestazione#
Comprendere le metriche di prestazioni grezze è fondamentale per scegliere un modello. La tabella seguente confronta EfficientDet e RTDETRv2 nelle diverse dimensioni.
| Modello | dimensione (pixel) | mAPval50-95 | Velocità CPU ONNX (ms) | Velocità T4 TensorRT10 (ms) | parametri (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| EfficientDet-d0 | 512 | 34.6 | - | 3.92 | 3.9 | 2.54 |
| EfficientDet-d1 | 640 | 40.5 | - | 7.31 | 6.6 | 6.1 |
| EfficientDet-d2 | 768 | 43.0 | - | 10.92 | 8.1 | 11.0 |
| EfficientDet-d3 | 896 | 47.5 | - | 19.59 | 12.0 | 24.9 |
| EfficientDet-d4 | 1024 | 49.7 | - | 33.55 | 20.7 | 55.2 |
| EfficientDet-d5 | 1280 | 51.5 | - | 67.86 | 33.7 | 130.0 |
| EfficientDet-d6 | 1280 | 52.6 | - | 89.29 | 51.9 | 226.0 |
| EfficientDet-d7 | 1536 | 53.7 | - | 128.07 | 51.9 | 325.0 |
| 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 e consigli#
La scelta tra EfficientDet e RT-DETR dipende dai requisiti specifici del progetto, dai vincoli di deployment e dalle preferenze in fatto di ecosistemi.
Quando scegliere EfficientDet#
EfficientDet è una scelta valida per:
- Google Cloud e pipeline TPU: sistemi basati su TensorFlow nell’infrastruttura Google Cloud TPU, dove l’implementazione di riferimento di EfficientDet supporta l’addestramento su TPU.
- Ricerca sullo scaling composto: Benchmark accademici incentrati sugli effetti di uno scaling bilanciato di profondità, larghezza e risoluzione della rete.
- Implementazione mobile con LiteRT: Progetti che richiedono specificamente l'esportazione in LiteRT (in precedenza TensorFlow Lite) per Android o dispositivi Linux embedded.
Quando scegliere RT-DETR#
RT-DETR è consigliato per:
- Ricerca sul rilevamento basato sui Transformer: progetti che esplorano meccanismi di attenzione e architetture Transformer per il rilevamento di oggetti end-to-end senza NMS.
- Scenari ad alta accuratezza e latenza flessibile: applicazioni in cui l'accuratezza del rilevamento è la priorità assoluta e si può accettare una latenza di inferenza leggermente più alta.
- Rilevamento di oggetti grandi: scene in cui sono presenti principalmente oggetti medio-grandi e il meccanismo di attenzione globale dei Transformer offre un vantaggio naturale.
Quando scegliere Ultralytics (YOLO26)#
Per la maggior parte dei nuovi progetti, Ultralytics YOLO26 offre la migliore combinazione di prestazioni ed esperienza per gli sviluppatori:
- Distribuzione edge senza NMS: applicazioni che richiedono inferenza costante a bassa latenza senza la complessità della post-elaborazione con soppressione non massima.
- Ambienti con sola CPU: dispositivi privi di accelerazione GPU dedicata, in cui l'inferenza su CPU di YOLO26n, fino al 43% più veloce rispetto a YOLO11n, offre un chiaro vantaggio.
- Rilevamento di oggetti di piccole dimensioni: scenari complessi come le immagini aeree acquisite da droni o l'analisi dei sensori IoT, in cui ProgLoss e STAL migliorano notevolmente la precisione sugli oggetti molto piccoli.
Il vantaggio di Ultralytics: ecco YOLO26#
EfficientDet e RTDETRv2 hanno lasciato il segno nella storia della visione artificiale, ma gli ambienti di produzione moderni richiedono un equilibrio tra velocità, precisione e una buona esperienza di sviluppo. Il recente Ultralytics YOLO26 combina i punti di forza di queste diverse architetture.
YOLO26 si distingue perché combina l'ecosistema semplificato per cui è nota Ultralytics con diversi miglioramenti architetturali.
Perché scegliere YOLO26 rispetto alla concorrenza?#
- Design end-to-end senza NMS: Come i Transformer quali RTDETRv2, YOLO26 offre una head end-to-end (
nms=False) che elimina il post-processing NMS e consente pipeline di deployment più rapide e semplici, senza il numero elevato di parametri dei Transformer puri. - Ottimizzatore MuSGD: Ispirato alle tecniche di addestramento dei modelli linguistici di grandi dimensioni (come quelle alla base di Kimi K2 di Moonshot AI), YOLO26 usa un ibrido di SGD e Muon. Questo offre un addestramento stabile e una convergenza più rapida rispetto ai lunghi cicli richiesti da RTDETRv2.
- Ottimizzato per l'edge: Con YOLO26n che offre un'inferenza su CPU fino al 43% più veloce rispetto a YOLO11n, YOLO26 è progettato per l'AI edge. Supera i modelli Transformer pesanti su hardware con risorse limitate, come smartphone e telecamere intelligenti.
- Rimozione della DFL: La rimozione della Distribution Focal Loss semplifica il grafo del modello e facilita le esportazioni TensorRT e ONNX.
- ProgLoss + STAL: La loss progressiva e l'assegnazione di etichette sensibile agli oggetti di piccole dimensioni migliorano notevolmente il riconoscimento degli oggetti piccoli, affrontando un collo di bottiglia comune nelle immagini aeree e nella robotica.
- Versatilità: a differenza di RTDETRv2, che si concentra principalmente sul rilevamento, YOLO26 supporta nativamente la segmentazione di istanze, la classificazione delle immagini, la stima della posa e le bounding box orientate (OBB), con miglioramenti specifici per ciascun compito, come RLE per la posa e una funzione di perdita angolare specializzata per le OBB.
Sfruttando la Ultralytics Platform, puoi gestire i tuoi dataset, addestrare nel cloud modelli come YOLO26 o YOLO11 e distribuirli tramite API flessibili.
Semplicità del codice con Ultralytics#
La API Python Ultralytics, mantenuta con cura, semplifica l'addestramento e l'inferenza dei modelli. Gli sviluppatori possono confrontare facilmente i modelli o avviare script di addestramento con una quantità minima di codice boilerplate.
from ultralytics import YOLO
# Carica il modello YOLO26
model = YOLO("yolo26n.pt")
# Addestra il modello sul tuo dataset personalizzato
results = model.train(data="coco8.yaml", epochs=50, imgsz=640)
# Esegui l'inferenza su un'immagine di test
predictions = model.predict("image.jpg")Per chi gestisce infrastrutture legacy, l'ampia diffusione di Ultralytics YOLOv8 lo rende una scelta stabile e dimostra l'affidabilità a lungo termine dell'ecosistema Ultralytics. Che tu esegua algoritmi complessi di tracciamento in tempo reale o un semplice rilevamento dei difetti, passare a YOLO26 mantiene il tuo sistema preciso, efficiente nell'uso della memoria e aggiornato.
Commenti
Fai una domanda, condividi i tuoi risultati o aiuta qualcun altro.