RTDETRv2 vs PP-YOLOE+
La ricerca sulla visione artificiale ha prodotto diversi approcci architetturali al rilevamento di oggetti in tempo reale. RTDETRv2 e PP-YOLOE+ seguono percorsi fondamentalmente diversi: il primo è un Transformer per il rilevamento, il secondo un rilevatore convoluzionale. Entrambi mirano a ottenere prestazioni elevate nel rilevamento, ma differiscono per funzionamento, metodi di addestramento e scenari di distribuzione ideali.
Questa guida confronta le rispettive architetture, metriche di prestazione e supporto dell'ecosistema per aiutare sviluppatori e ricercatori a scegliere il modello giusto per le proprie esigenze di distribuzione.
Panoramica dei modelli#
Prima di analizzare i dati sulle prestazioni, è importante comprendere le origini e gli obiettivi architetturali di ciascun modello. Entrambi provengono da gruppi di ricerca di Baidu, ma rappresentano rami diversi dell'evoluzione dei modelli di rilevamento di oggetti.
RTDETRv2#
RTDETRv2 si basa sull'originale Real-Time Detection Transformer e abbina un backbone CNN a un encoder ibrido efficiente e a un decoder Transformer. La sua caratteristica distintiva è la predizione end-to-end, che elimina la necessità della soppressione non massima (NMS) durante la post-elaborazione.
- 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
PP-YOLOE+#
PP-YOLOE+ è una versione migliorata di PP-YOLOE, sviluppata dal team PaddleDetection e ottimizzata per applicazioni industriali. Utilizza un'architettura CNN scalabile con una testa di rilevamento senza anchor. Progettato per offrire un buon compromesso tra velocità e precisione, introduce tecniche come Efficient Task-aligned Head (ET-head) e distribution focal loss per migliorare il rilevamento di oggetti piccoli.
- Autori: autori di PaddlePaddle
- Organizzazione: Baidu
- Data: 2022-04-02
- arXiv: 2203.16250
- GitHub: Repository PaddleDetection
Sebbene entrambi i modelli abbiano repository di ricerca autonomi, puoi provare RT-DETR originale direttamente nel pacchetto Python Ultralytics, che offre un'API unificata e opzioni di esportazione integrate.
Differenze architetturali#
La differenza fondamentale tra questi due modelli riguarda il modo in cui elaborano il contesto visivo e generano le previsioni.
PP-YOLOE+ utilizza un backbone di rete neurale convoluzionale (CNN) tradizionale ma altamente ottimizzato. Si affida ai campi recettivi locali per estrarre le caratteristiche, risultando rapido ed efficiente nella distribuzione standard. Richiede però ancora la post-elaborazione NMS per filtrare i riquadri di delimitazione sovrapposti, con possibili aumenti della latenza nelle scene dense.
RTDETRv2, invece, utilizza un encoder ibrido e un decoder Transformer. Questo consente al modello di cogliere il contesto globale nell'intera immagine. Il suo meccanismo di attenzione modella le relazioni tra gli oggetti, quindi il modello restituisce direttamente i riquadri di delimitazione finali senza NMS. Questo approccio end-to-end mantiene stabile la latenza di inferenza indipendentemente dal numero di oggetti rilevati.
Metriche di prestazione e confronto#
Quando valuti le metriche di prestazione YOLO, bilancia la precisione (mAP) con il costo computazionale (FLOPs) e la velocità di inferenza. La tabella seguente mostra le prestazioni dei due modelli nelle rispettive dimensioni.
| 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 |
| PP-YOLOE+t | 640 | 39.9 | - | 2.84 | 4.85 | 19.15 |
| PP-YOLOE+s | 640 | 43.7 | - | 2.62 | 7.93 | 17.36 |
| PP-YOLOE+m | 640 | 49.8 | - | 5.56 | 23.43 | 49.91 |
| PP-YOLOE+l | 640 | 52.9 | - | 8.36 | 52.2 | 110.07 |
| PP-YOLOE+x | 640 | 54.7 | - | 14.3 | 98.42 | 206.59 |
PP-YOLOE+x raggiunge il mAPval50-95 più alto sul dataset COCO, pari al 54.7%: 0.4 punti in più di RTDETRv2-x, con una latenza TensorRT leggermente inferiore (14.3 ms contro 15.03 ms) ma più parametri (98.42M contro 76M). Nella categoria Large, RTDETRv2-l è più accurato di PP-YOLOE+l (53.4% contro 52.9%) e ha meno parametri, mentre PP-YOLOE+l è più veloce (8.36 ms contro 9.76 ms). PP-YOLOE+ offre anche varianti Tiny e Small con meno di 8M di parametri, una fascia dimensionale non coperta da RTDETRv2, che le rende adatte alle distribuzioni edge.
Il vantaggio Ultralytics: arriva YOLO26#
RTDETRv2 e PP-YOLOE+ sono entrambi rilevatori efficaci, ma il settore ha continuato a evolversi. Per gli sviluppatori che cercano un equilibrio tra velocità, precisione e supporto dell'ecosistema, Ultralytics YOLO26 è il modello consigliato per i nuovi progetti.
YOLO26 porta l'inferenza end-to-end dei Transformer per il rilevamento nelle CNN. Offre una modalità di inferenza end-to-end senza NMS opzionale (nms=False), che salta la post-elaborazione NMS quando attivata. Introduce anche l'ottimizzatore MuSGD, un ibrido di SGD e Muon ispirato all'addestramento dei modelli linguistici di grandi dimensioni (LLM), per un addestramento più stabile e una convergenza più rapida.
A differenza dei pesanti modelli Transformer, che richiedono molta memoria CUDA, YOLO26 include la rimozione di DFL (Distribution Focal Loss) ed è ottimizzato per l'edge computing; YOLO26n offre un'inferenza su CPU fino al 43% più veloce rispetto a YOLO11n.
YOLO26 va anche oltre il rilevamento di oggetti: supporta nativamente la segmentazione di istanze, la segmentazione semantica, la stima della profondità, la classificazione di immagini, la stima della posa e i riquadri di delimitazione orientati (OBB), mentre PP-YOLOE+ si concentra sul rilevamento dei riquadri di delimitazione.
Metodologie di training ed ecosistema#
L'efficienza dell'addestramento e la facilità d'uso sono gli aspetti in cui l'ecosistema Ultralytics si distingue maggiormente dai repository di ricerca autonomi. PP-YOLOE+ si basa sul framework PaddlePaddle e RTDETRv2 richiede spesso una configurazione complessa dell'ambiente, mentre i modelli Ultralytics condividono un unico pacchetto installabile e un'unica API.
L'API Ultralytics offre la gestione automatizzata dei dataset e l'ottimizzazione degli iperparametri integrata; inoltre, i modelli YOLO si addestrano con requisiti di memoria inferiori rispetto ai rilevatori basati su Transformer. Puoi esportare i modelli in formati di produzione come ONNX o TensorRT con un solo comando.
Esempio di codice: inferenza semplificata#
L'esempio seguente esegue RT-DETR insieme al modello consigliato YOLO26 usando il pacchetto Python Ultralytics:
from ultralytics import RTDETR, YOLO
# Inizializza un modello RT-DETR (Ultralytics supporta gli RT-DETR-L e RT-DETR-X originali)
model_rtdetr = RTDETR("rtdetr-l.pt")
# Esegui un'inferenza senza NMS su un'immagine di test
results_rtdetr = model_rtdetr("https://ultralytics.com/images/bus.jpg")
results_rtdetr[0].show()
# Inizializza il modello YOLO26 più recente
model_yolo26 = YOLO("yolo26n.pt")
# Addestra il modello YOLO26 con un uso ottimizzato della memoria
model_yolo26.train(data="coco8.yaml", epochs=50, imgsz=640)
# Esporta in TensorRT per la distribuzione edge
model_yolo26.export(format="engine")Applicazioni e casi d'uso reali#
La scelta tra queste architetture dipende spesso dai requisiti specifici dell'hardware e dell'applicazione.
- RTDETRv2 eccelle negli ambienti lato server e nella comprensione di scene complesse. La sua attenzione globale lo rende efficace per la gestione della folla e l'analisi di immagini mediche dense, in cui oggetti molto sovrapposti possono indurre NMS a sopprimere rilevamenti validi.
- PP-YOLOE+ è adatto all'ispezione industriale ad alta velocità e ai team che hanno già investito nell'ecosistema PaddlePaddle. Il numero ridotto di parametri nelle varianti più piccole lo rende praticabile per alcune applicazioni di robotica.
- Ultralytics YOLO26 è la scelta consigliata per la maggior parte delle distribuzioni commerciali. Progressive Loss e Small-Target-Aware Label Assignment (STAL) migliorano il riconoscimento degli oggetti piccoli, un aspetto importante per le operazioni con droni aerei e il monitoraggio del traffico nelle smart city.
Casi d'uso e consigli#
La scelta tra RT-DETR e PP-YOLOE+ 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 PP-YOLOE+#
PP-YOLOE+ è consigliato per:
- Integrazione con l'ecosistema PaddlePaddle: Organizzazioni che dispongono già di un'infrastruttura basata sul framework e sugli strumenti PaddlePaddle di Baidu.
- Distribuzione edge con Paddle Lite: Distribuzione su hardware con kernel di inferenza altamente ottimizzati specificamente per Paddle Lite o per il motore di inferenza Paddle.
- Rilevamento lato server ad alta accuratezza: Scenari che privilegiano la massima accuratezza di rilevamento su potenti server GPU, dove la dipendenza dal framework non è un problema.
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 solo CPU: dispositivi senza accelerazione GPU dedicata, sui quali l'inferenza CPU di YOLO26, fino al 43% più rapida (YOLO26n rispetto a YOLO11n), offre un vantaggio decisivo.
- Rilevamento di oggetti piccoli: Scenari complessi come le immagini aeree riprese da droni o l’analisi dei sensori IoT, in cui ProgLoss e STAL migliorano la precisione sugli oggetti piccoli.
Conclusione#
RTDETRv2 e PP-YOLOE+ dimostrano che sia le architetture Transformer sia le CNN ottimizzate sono valide per il rilevamento in tempo reale. Tuttavia, distribuire modelli provenienti da codebase di ricerca separate può rallentare i tempi di messa in produzione.
La Ultralytics Platform riunisce annotazione, addestramento e distribuzione in un unico flusso di lavoro. Passando a modelli integrati come YOLO11 o al più recente YOLO26, i team ottengono un buon compromesso tra precisione e velocità, con requisiti di memoria inferiori e meno lavoro di sviluppo.
Commenti
Fai una domanda, condividi i tuoi risultati o aiuta qualcun altro.