Inizia

RTDETRv2 vs EfficientDet

La scelta dell'architettura di rete neurale ottimale è una decisione determinante per ogni progetto di computer vision. Questo confronto tecnico esamina due influenti modelli di rilevamento di oggetti: RTDETRv2, un rilevatore in tempo reale basato su Transformer, ed EfficientDet, una rete neurale convoluzionale altamente scalabile. Valuta le architetture, le metriche di prestazione, i metodi di addestramento e gli scenari di distribuzione più adatti per aiutarti a prendere decisioni basate sui dati per le tue pipeline di AI.

RTDETRv2: il Transformer per il rilevamento in tempo reale#

Sulla scia del successo dell'RT-DETR originale, RTDETRv2 perfeziona il paradigma del rilevamento degli oggetti basato su Transformer. Ottimizzando le strutture dell'encoder e del decoder, offre un'elevata precisione mantenendo velocità di inferenza in tempo reale e colmando efficacemente il divario tra le CNN tradizionali e i Transformer per la visione.

Dettagli del modello

  • Autori: Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang e Yi Liu
  • Organizzazione: Baidu
  • Data: 2024-07-24
  • Link: arXiv, GitHub, Documentazione

Architettura e punti di forza principali#

RTDETRv2 utilizza un'architettura ibrida che abbina un solido backbone CNN (spesso ResNet o HGNet) a un decoder Transformer efficiente. La caratteristica più distintiva di RTDETRv2 è la capacità nativa di evitare la soppressione dei massimi non (NMS). I rilevatori tradizionali richiedono la NMS per filtrare i riquadri di delimitazione duplicati, aggiungendo una latenza di inferenza variabile durante la post-elaborazione. RTDETRv2 formula il rilevamento come un problema di predizione diretta di insiemi e usa l'abbinamento bipartito per produrre predizioni univoche.

Questo modello offre le prestazioni migliori nelle distribuzioni lato server, dove la memoria GPU è abbondante. Il suo meccanismo di attenzione globale fornisce una solida consapevolezza del contesto, rendendolo adatto a distinguere oggetti sovrapposti in ambienti densi e disordinati, come i sistemi automatizzati di allarme di sicurezza o il monitoraggio di folle numerose.

Limitazioni#

Sebbene potenti, le architetture Transformer richiedono intrinsecamente più memoria CUDA durante l'addestramento rispetto alle CNN standard. Anche l'affinamento di RTDETRv2 può richiedere più tempo per convergere su nuovi dati di addestramento, rendendo la prototipazione rapida più dispendiosa in termini di risorse.

Scopri di più su RTDETRv2

EfficientDet: CNN scalabili ed efficienti#

EfficientDet ha introdotto una famiglia di modelli di rilevamento degli oggetti ottimizzati per garantire precisione ed efficienza con un'ampia gamma di vincoli sulle risorse. Resta un esempio classico di design scalabile per la visione artificiale.

Dettagli del modello

Architettura e punti di forza principali#

L'innovazione alla base di EfficientDet risiede in due elementi chiave: la rete piramidale bidirezionale delle caratteristiche (BiFPN) e un metodo di scaling composto. BiFPN consente un'estrazione delle caratteristiche multiscala semplice e veloce, introducendo pesi apprendibili per determinare l'importanza delle diverse caratteristiche di input e applicando ripetutamente la fusione multiscala dall'alto verso il basso e dal basso verso l'alto. Il metodo di scaling composto ridimensiona simultaneamente e in modo uniforme la risoluzione, la profondità e la larghezza della rete.

I modelli EfficientDet vanno dal leggero D0 al molto più grande D7. Questo li rende versatili per le distribuzioni di AI edge, dove gli sviluppatori devono bilanciare budget computazionali limitati e requisiti di accuratezza, come nelle prime applicazioni mobili di realtà aumentata.

Limitazioni#

EfficientDet è un'architettura meno recente che si basa molto sulle anchor box e sulla pipeline di post-elaborazione NMS tradizionale. La generazione delle anchor richiede un'attenta ottimizzazione degli iperparametri e la fase NMS può diventare un collo di bottiglia nelle distribuzioni su hardware embedded come Raspberry Pi. Inoltre, non supporta nativamente attività moderne come la stima della posa o le bounding box orientate (OBB).

Scopri di più su EfficientDet

Confronto delle prestazioni e delle metriche#

Per comprendere gli esatti compromessi tra questi modelli, è necessario analizzarne il throughput e l'efficienza in termini di parametri. La tabella seguente illustra il confronto tra la moderna serie RTDETRv2 e la famiglia EfficientDet scalabile.

Modellodimensione
(pixel)
mAPval50-95Velocità
CPU ONNX
(ms)
Velocità
T4 TensorRT10
(ms)
parametri
(M)
FLOPs
(B)
RTDETRv2-s64048.1-5.032060
RTDETRv2-m64051.9-7.5136100
RTDETRv2-l64053.4-9.7642136
RTDETRv2-x64054.3-15.0376259
EfficientDet-d051234.6-3.923.92.54
EfficientDet-d164040.5-7.316.66.1
EfficientDet-d276843.0-10.928.111.0
EfficientDet-d389647.5-19.5912.024.9
EfficientDet-d4102449.7-33.5520.755.2
EfficientDet-d5128051.5-67.8633.7130.0
EfficientDet-d6128052.6-89.2951.9226.0
EfficientDet-d7153653.7-128.0751.9325.0

Come si vede sopra, RTDETRv2 eguaglia o supera la precisione media (mAP) dei modelli EfficientDet di dimensioni simili, pur funzionando molto più velocemente su GPU (ad esempio, 53,4 mAP a 9,76 ms per RTDETRv2-l contro 52,6 mAP a 89,29 ms per EfficientDet-d6), sfruttando la sua architettura Transformer per aumentare l'accuratezza.

Casi d'uso e consigli#

La scelta tra RT-DETR ed EfficientDet dipende dai requisiti specifici del progetto, dai vincoli di distribuzione e dalle preferenze relative all'ecosistema.

Quando scegliere RT-DETR#

RT-DETR è un'ottima scelta 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 EfficientDet#

EfficientDet è consigliato 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 Ultralytics (YOLO26)#

Per la maggior parte dei nuovi progetti, Ultralytics YOLO26 offre la combinazione migliore 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.

L'alternativa Ultralytics#

Sebbene RTDETRv2 ed EfficientDet abbiano entrambi punti di forza notevoli, lo sviluppo moderno dell'AI richiede framework che offrano un'esperienza di sviluppo fluida insieme a prestazioni elevate. L'ecosistema Ultralytics offre un approccio alle attività di computer vision notevolmente più snello.

Se stai valutando le opzioni di rilevamento moderne, il nuovo Ultralytics YOLO26 combina i migliori aspetti sia delle CNN che dei Transformer.

Perché scegliere YOLO26?

YOLO26 implementa un'architettura end-to-end senza NMS opzionale (nms=False), portando la semplicità di distribuzione di RTDETRv2 nell'efficiente architettura YOLO. Introduce inoltre l'ottimizzatore MuSGD, ispirato alle tecniche di addestramento degli LLM, per migliorare la stabilità dell'addestramento. Grazie alla rimozione della DFL (Distribution Focal Loss, rimossa per semplificare l'esportazione e migliorare la compatibilità con dispositivi edge e a basso consumo), YOLO26n offre un'inferenza su CPU fino al 43% più veloce rispetto a YOLO11n, risultando un'ottima scelta per l'edge computing rispetto ai modelli più pesanti. ProgLoss + STAL (Progressive Loss e assegnazione delle etichette consapevole degli oggetti piccoli) migliora inoltre notevolmente il riconoscimento degli oggetti di piccole dimensioni, fondamentale per IoT, robotica e immagini aeree.

Il pacchetto Python Ultralytics è progettato per essere facile da usare. Gli sviluppatori possono addestrare, convalidare ed esportare modelli tramite un'API intuitiva che astrae il codice ripetitivo tipicamente richiesto dai repository di ricerca.

from ultralytics import RTDETR

# Carica un modello RT-DETR preaddestrato dall'ecosistema Ultralytics
model = RTDETR("rtdetr-l.pt")

# Addestra il modello sul dataset COCO8
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Esporta per un'inferenza ottimizzata su TensorRT
model.export(format="engine")

I modelli Ultralytics supportano nativamente più attività, tra cui la segmentazione di istanze e la classificazione di immagini, offrendo un toolkit versatile per le diverse esigenze dei settori industriali. La rimozione della Distribution Focal Loss (DFL) nei moderni modelli Ultralytics semplifica inoltre il grafo computazionale, consentendo un'esportazione più agevole verso NPU e TPU integrate.

Per l'annotazione dei dati e la gestione dei modelli, la Ultralytics Platform offre un ambiente cloud completo per l'intero ciclo di vita del machine learning, rappresentando un'ottima scelta per distribuire in produzione soluzioni robuste di computer vision.

Commenti

Fai una domanda, condividi i tuoi risultati o aiuta qualcun altro.