RTDETRv2 vs DAMO-YOLO
La visione artificiale continua a evolversi mentre ricercatori e ingegneri sviluppano modelli che bilanciano velocità, precisione ed efficienza. Due architetture di spicco in questo ambito sono RTDETRv2, sviluppato da Baidu, e DAMO-YOLO, creato da Alibaba Group. Entrambi fanno progredire il rilevamento di oggetti in tempo reale, ma adottano filosofie architetturali fondamentalmente diverse.
Questo confronto tecnico illustra le rispettive architetture, i metodi di addestramento e le capacità di distribuzione nel mondo reale. Spiega inoltre come questi modelli si inseriscono nell'ecosistema più ampio, in particolare nella Ultralytics Platform e nella famiglia di modelli YOLO26.
Innovazioni architetturali#
Comprendere i meccanismi fondamentali di questi modelli è essenziale per gli ingegneri di machine learning che devono scegliere lo strumento giusto per gli ambienti di produzione.
RTDETRv2: l'approccio Transformer#
Basandosi sul successo dell'RT-DETR originale, RTDETRv2 utilizza un encoder ibrido e un decoder Transformer. Questo design consente al modello di elaborare efficacemente il contesto globale, rendendolo molto efficace nel distinguere gli oggetti sovrapposti nelle scene dense. Il vantaggio più significativo di questa architettura è il design nativo senza NMS (soppressione non massima). Eliminando il passaggio di post-elaborazione NMS, RTDETRv2 semplifica la pipeline di inferenza e garantisce una latenza più stabile con configurazioni hardware diverse.
DAMO-YOLO: verso una maggiore efficienza delle CNN#
DAMO-YOLO, d'altra parte, rimane ancorato alla famiglia YOLO basata su CNN, ma introduce diversi miglioramenti degni di nota. Utilizza la ricerca di architetture neurali (NAS) per ottimizzare il backbone e rendere più efficiente l'estrazione delle caratteristiche. Integra inoltre un RepGFPN (rete piramidale di caratteristiche generalizzata riparametrizzata) efficiente e una progettazione ZeroHead, insieme ad AlignedOTA e a tecniche di distillazione della conoscenza. Queste innovazioni consentono a DAMO-YOLO di raggiungere velocità di inferenza elevate mantenendo un punteggio mAPval50-95 competitivo.
Mentre RTDETRv2 si concentra sull'uso dei meccanismi di attenzione per comprendere le feature globali senza NMS, DAMO-YOLO massimizza l'efficienza delle CNN tradizionali tramite NAS e distillazione avanzata. Richiede la post-elaborazione standard, ma offre vantaggi distinti in termini di velocità su determinati hardware.
Confronto delle prestazioni e delle metriche#
Quando valuti i modelli per la distribuzione, sono fondamentali metriche di prestazione come la precisione media (mAP), la velocità di inferenza e il numero di parametri. La tabella seguente confronta le due famiglie di modelli.
| Modello | dimensione (pixel) | mAPval50-95 | Velocità CPU ONNX (ms) | Velocità T4 TensorRT10 (ms) | parametri (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| 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 |
| 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 |
Analisi dei risultati#
Come si vede nella tabella, RTDETRv2-x raggiunge l'accuratezza più elevata, con un mAPval50-95 pari a 54.3, dimostrando i punti di forza dell'architettura Transformer su benchmark impegnativi come il dataset COCO. Questo risultato comporta però un numero significativamente maggiore di parametri (76M) e di FLOP.
DAMO-YOLOt (Tiny), invece, è molto leggero e richiede solo 8.5M di parametri, quindi è un'opzione rapida negli ambienti in cui la memoria CUDA è fortemente limitata. In generale, DAMO-YOLO offre un compromesso favorevole tra velocità e precisione per i dispositivi edge meno recenti.
Ecosistema, usabilità e vantaggi di Ultralytics#
Mentre repository indipendenti come i progetti GitHub ufficiali di RT-DETR e DAMO-YOLO forniscono il codice sorgente per addestrare questi modelli, integrarli nelle pipeline di produzione richiede spesso molto codice boilerplate e ottimizzazione manuale.
È qui che l'ecosistema Ultralytics semplifica notevolmente l'esperienza degli sviluppatori. Ultralytics integra i rilevatori Transformer come l'originale RT-DETR direttamente nella sua API unificata, consentendo di addestrare, convalidare ed esportare i modelli con una sola riga di codice. Rispetto ai repository autonomi basati su Transformer pesanti, i modelli Ultralytics sono noti anche per i ridotti requisiti di memoria durante l'addestramento.
Esempio di codice: integrazione#
Ecco come eseguire l'inferenza con la libreria Python Ultralytics. L'API rimane coerente sia che tu utilizzi un modello Transformer sia una CNN moderna.
from ultralytics import RTDETR, YOLO
# Carica un modello RT-DETR per comprendere scene complesse
model_rtdetr = RTDETR("rtdetr-l.pt")
# Carica il modello Ultralytics YOLO26 più recente
model_yolo26 = YOLO("yolo26n.pt")
# Esegui l'inferenza su un'immagine di esempio
results_rtdetr = model_rtdetr("https://ultralytics.com/images/bus.jpg")
results_yolo = model_yolo26("https://ultralytics.com/images/bus.jpg")
# Visualizza i risultati
results_yolo[0].show()Con l'API Ultralytics puoi esportare i tuoi modelli addestrati in formati come TensorRT, ONNX o CoreML con un semplice comando, ad esempio model.export(format="engine"), riducendo notevolmente le difficoltà di distribuzione.
Casi d'uso ideali#
La scelta tra queste architetture dipende dai requisiti specifici del tuo progetto:
- RTDETRv2 offre le prestazioni migliori nell'elaborazione lato server, dove la VRAM è abbondante. La sua capacità di cogliere il contesto globale è adatta all'imaging medico e all'analisi di folle dense, in cui le occlusioni sono frequenti.
- DAMO-YOLO è particolarmente adatto alle applicazioni IoT embedded e alle linee di ispezione industriale ad alta velocità, dove sono indispensabili un numero ridotto di parametri e un FPS elevato.
Il futuro: Ultralytics YOLO26#
Sia RTDETRv2 sia DAMO-YOLO hanno i loro meriti, ma il settore della visione artificiale avanza rapidamente. Per i nuovi progetti, il più recente Ultralytics YOLO26 combina velocità, precisione e un'esperienza di sviluppo efficace.
YOLO26 adotta un design end-to-end senza NMS, acquisendo il principale vantaggio dei Transformer senza il loro elevato costo computazionale. Integra l'ottimizzatore MuSGD, ispirato all'addestramento dei modelli linguistici di grandi dimensioni, per una convergenza stabile e rapida. Grazie alla rimozione di DFL (Distribution Focal Loss rimossa per semplificare l'esportazione e migliorare la compatibilità con dispositivi edge e a basso consumo), YOLO26n raggiunge un'inferenza su CPU fino al 43% più veloce di YOLO11n, risultando una scelta efficace per l'edge computing. Anche ProgLoss + STAL (Progressive Loss e assegnazione delle etichette consapevole degli oggetti piccoli) migliora notevolmente il riconoscimento degli oggetti piccoli, fondamentale per IoT, robotica e immagini aeree.
A differenza dei modelli limitati ai soli riquadri di delimitazione, la famiglia YOLO26 supporta attività che spaziano dalla segmentazione di istanze e dalla stima della posa ai riquadri di delimitazione orientati (OBB), gestite tutte tramite la Ultralytics Platform.
Dettagli del modello e riferimenti#
RTDETRv2#
- 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
DAMO-YOLO#
- 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: Repository DAMO-YOLO
Per altri confronti, consulta le guide su RTDETRv2 vs. YOLO11 o DAMO-YOLO vs. YOLOv8 per vedere come si comportano questi modelli rispetto alle generazioni precedenti della famiglia Ultralytics.
Commenti
Fai una domanda, condividi i tuoi risultati o aiuta qualcun altro.