RTDETRv2 vs YOLO11#

Il panorama della computer vision è in continua evoluzione, con nuove architetture che ampliano costantemente i limiti di ciò che è possibile fare sui dispositivi edge e sui server cloud. Due dei protagonisti più importanti nell'attuale ambito del rilevamento degli oggetti in tempo reale sono RTDETRv2 e YOLO11. Sebbene entrambi i modelli offrano prestazioni eccezionali, rappresentano filosofie architetturali fondamentalmente diverse: l'approccio basato su Transformer rispetto alla Rete neurale convoluzionale (CNN) altamente ottimizzata.

In questo confronto tecnico completo analizzeremo le architetture, le metriche delle prestazioni, le metodologie di addestramento e i casi d'uso ideali per entrambi i modelli, aiutandoti a prendere una decisione informata per la tua prossima applicazione di intelligenza artificiale.

RTDETRv2: il modello basato su Transformer che sfida gli standard#

Presentato come evoluzione dell'originale Transformer per il rilevamento in tempo reale, RTDETRv2 sfrutta i meccanismi di attenzione per elaborare i dati visivi. Trattando le porzioni dell'immagine come sequenze, raggiunge una comprensione globale del contesto dell'immagine, particolarmente vantaggiosa per rilevare oggetti fortemente sovrapposti in scene complesse.

Dettagli 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 di RT-DETR
• Documentazione: Documentazione di RTDETRv2

Punti di forza e debolezze dell'architettura#

L'innovazione principale di RTDETRv2 è la sua architettura end-to-end priva di NMS. Eliminando la soppressione non massima (NMS), semplifica la pipeline di post-processing. Inoltre, le sue capacità di estrazione delle caratteristiche multiscala sono state migliorate rispetto al modello RT-DETR originale, consentendogli di identificare meglio oggetti di dimensioni diverse.

Tuttavia, poiché si basa sui Transformer, RTDETRv2 richiede in genere una quantità di memoria notevolmente maggiore durante l'addestramento. I Transformer convergono generalmente più lentamente e richiedono molta più memoria CUDA rispetto alle CNN tradizionali, risultando quindi meno accessibili ai ricercatori che utilizzano hardware di fascia consumer o che effettuano il deployment in ambienti [edge AI](https://ultralytics-translation-0.invalid con risorse limitate.

Scopri di più su RT-DETR

Ultralytics YOLO11: il vertice dell'efficienza delle CNN#

Basandosi su anni di ricerca fondamentale, Ultralytics ha rilasciato YOLO11, un enorme passo avanti nella linea di modelli YOLO. Affina l'architettura CNN per raggiungere velocità e accuratezza senza precedenti, mantenendo la flessibilità e l'ecosistema intuitivo per gli sviluppatori che la community ormai si aspetta.

Dettagli del modello:

• Autori: Glenn Jocher e Jing Qiu
• Organizzazione: Ultralytics
• Data: 27 settembre 2024
• GitHub: Repository di Ultralytics

Il vantaggio di Ultralytics#

YOLO11 eccelle nel suo equilibrio delle prestazioni. Offre un compromesso straordinario tra velocità e accuratezza, risultando eccezionalmente versatile per diversi scenari di deployment nel mondo reale, dai grandi cluster di cloud computing ai dispositivi mobili leggeri.

Inoltre, i modelli Ultralytics YOLO sono rinomati per il minor utilizzo di memoria durante l'addestramento e l'inferenza. A differenza dei modelli Transformer, che possono esaurire facilmente la VRAM, YOLO11 consente batch size più grandi sulle GPU standard. Inoltre, YOLO11 non si limita al semplice rilevamento degli oggetti: offre una straordinaria versatilità, con supporto nativo per segmentazione delle istanze, classificazione delle immagini, stima della posa e bounding box orientate (OBB).

Confronto di prestazioni e metriche#

Confrontando i numeri grezzi, è evidente che, sebbene RTDETRv2 raggiunga un'accuratezza impressionante, YOLO11 offre una selezione molto più granulare delle dimensioni dei modelli, con velocità di inferenza superiori, in particolare su TensorRT.

Come mostrato nella tabella, il modello YOLO11x raggiunge un mAP^val superiore, pari al 54,7%, utilizzando meno FLOPs (194.9B rispetto a 259B) e offrendo un'inferenza più rapida su TensorRT (11.3ms rispetto a 15.03ms) rispetto alla variante RTDETRv2-x. Le varianti nano e small di YOLO11 offrono opzioni leggere senza paragoni per dispositivi con risorse limitate, come Raspberry Pi.

Ecosistema, facilità d'uso e addestramento#

La caratteristica distintiva dei modelli Ultralytics è l'esperienza utente semplificata. Il pacchetto Python ultralytics fornisce un'API unificata e intuitiva che gestisce gli aspetti più complessi dell'aumento dei dati, dell'addestramento distribuito e dell'esportazione dei modelli. Mentre il repository di ricerca di RTDETRv2 richiede una notevole quantità di codice boilerplate e configurazione, Ultralytics offre una pipeline «da zero a esperto».

È interessante notare che l'ecosistema Ultralytics è così solido da supportare nativamente l'esecuzione dei modelli RT-DETR insieme ai modelli YOLO. Questo ti consente di sfruttare l'ecosistema Ultralytics ben mantenuto, comprese le integrazioni con Weights & Biases e Comet ML, per monitorare gli esperimenti senza difficoltà.

from ultralytics import RTDETR, YOLO

# Load an RTDETR model seamlessly through the Ultralytics API
model_rtdetr = RTDETR("rtdetr-l.pt")

# Load a highly optimized YOLO11 model
model_yolo = YOLO("yolo11n.pt")

# Train YOLO11 with highly efficient memory usage
results = model_yolo.train(data="coco8.yaml", epochs=100, imgsz=640)

# Export the trained YOLO model to ONNX format
model_yolo.export(format="onnx")

Applicazioni nel mondo reale#

La scelta tra queste architetture dipende spesso dai vincoli specifici di deployment del tuo progetto.

Dove RTDETRv2 eccelle: Il backbone Transformer di RTDETRv2 è altamente efficace negli scenari con oggetti densi e fortemente occlusi, in cui è necessario il contesto globale. Viene spesso valutato nella ricerca accademica e nelle applicazioni in cui il budget computazionale è meno importante della mappatura delle relazioni basata sull'attenzione pura.

Dove YOLO11 domina: YOLO11 è il campione indiscusso del deployment pratico nel mondo reale. Il suo ingombro minimo in memoria e le velocità di inferenza fulminee lo rendono ideale per:

• Produzione intelligente: eseguire il rilevamento dei difetti in tempo reale sulle linee di produzione utilizzando PC industriali.
• Agricoltura: effettuare il deployment sui droni per monitorare in tempo reale lo stato di salute delle colture e gestire robot per la raccolta automatizzata.
• Analisi retail: elaborare simultaneamente i flussi di più telecamere per la gestione delle code e il monitoraggio dell'inventario senza richiedere enormi server farm.

Casi d'uso e raccomandazioni#

La scelta tra RT-DETR e YOLO11 dipende dai requisiti specifici del tuo progetto, dai vincoli di deployment e dalle preferenze relative all'ecosistema.

Quando scegliere RT-DETR#

RT-DETR è una scelta valida per:

• Ricerca sul rilevamento basato su Transformer: progetti che esplorano i meccanismi di attenzione e le architetture Transformer per il rilevamento degli oggetti end-to-end senza NMS.
• Scenari ad alta accuratezza con latenza flessibile: applicazioni in cui l'accuratezza del rilevamento è la priorità assoluta e una latenza di inferenza leggermente superiore è accettabile.
• Rilevamento di oggetti di grandi dimensioni: scene contenenti principalmente oggetti di medie e grandi dimensioni, in cui il meccanismo di attenzione globale dei Transformer offre un vantaggio naturale.

Quando scegliere YOLO11#

YOLO11 è consigliato per:

• Distribuzione edge in produzione: applicazioni commerciali su dispositivi come Raspberry Pi o NVIDIA Jetson, dove affidabilità e manutenzione attiva sono fondamentali.
• Applicazioni di visione multi-task: progetti che richiedono rilevamento, segmentazione, stima della posa e OBB all'interno di un unico framework unificato.
• Prototipazione e distribuzione rapide: team che devono passare rapidamente dalla raccolta dei dati alla produzione utilizzando la semplificata API Python di Ultralytics.

Quando scegliere Ultralytics (YOLO26)#

Per la maggior parte dei nuovi progetti, Ultralytics YOLO26 offre la migliore combinazione di prestazioni ed esperienza per gli sviluppatori:

• Deployment edge senza NMS: applicazioni che richiedono un'inferenza coerente e a bassa latenza senza la complessità della post-elaborazione con Soppressione non massima.
• Ambienti esclusivamente CPU: dispositivi privi di accelerazione GPU dedicata, dove l'inferenza su CPU fino al 43% più veloce di YOLO26 offre un vantaggio decisivo.
• Rilevamento di oggetti piccoli: scenari complessi come le immagini aeree riprese da droni o l'analisi di sensori IoT, in cui ProgLoss e STAL migliorano significativamente l'accuratezza sugli oggetti di piccole dimensioni.

Uno sguardo al futuro: l'arrivo di YOLO26#

Se stai iniziando un nuovo progetto, dovresti considerare anche la prossima generazione dell'IA per la computer vision: Ultralytics YOLO26. Rilasciato a gennaio 2026, YOLO26 integra il meglio di entrambi gli approcci. Introduce un design end-to-end privo di NMS (pionieristico in YOLOv10), eliminando completamente la latenza del post-processing proprio come RTDETRv2, ma con la velocità senza pari di una CNN.

YOLO26 integra l'ottimizzatore MuSGD, ispirato alle innovazioni dell'addestramento degli LLM, per una convergenza incredibilmente stabile e rapida, e offre un'inferenza su CPU fino al 43% più veloce rimuovendo la Distribution Focal Loss (DFL). Grazie alle sue funzioni di perdita specializzate ProgLoss + STAL, che migliorano notevolmente il riconoscimento degli oggetti piccoli, YOLO26 è la raccomandazione definitiva per qualsiasi pipeline moderna di computer vision.

Che tu scelga YOLO11 per la sua comprovata versatilità, RTDETRv2 per i suoi meccanismi di attenzione o YOLO26, all'avanguardia per le massime prestazioni edge, la documentazione Ultralytics offre tutte le risorse necessarie per avere successo nel tuo percorso nella computer vision.