Inizia

RTDETRv2 vs YOLOv10

L'evoluzione della visione artificiale è stata in gran parte guidata dalla necessità di bilanciare velocità e accuratezza. Tradizionalmente, le pipeline di rilevamento degli oggetti in tempo reale si sono affidate alla soppressione dei massimi locali (NMS) come fase di post-elaborazione per filtrare le bounding box sovrapposte. Tuttavia, NMS aggiunge latenza e richiede la regolazione delle soglie. Due approcci architetturali la eliminano dal modello stesso: i modelli basati su Transformer come RTDETRv2 e quelli basati su CNN come YOLOv10.

Questa guida confronta le architetture, le metriche di prestazione e i casi d'uso ideali dei due modelli e mostra come si inseriscono i modelli più recenti nell'ecosistema Ultralytics per la distribuzione moderna.

RTDETRv2: Transformer per il rilevamento in tempo reale#

RTDETRv2 si basa sull'architettura originale RT-DETR e mira a combinare la comprensione del contesto globale dei Vision Transformer con i requisiti di velocità in tempo reale tradizionalmente soddisfatti dai modelli YOLO.

Caratteristiche principali:

Architettura e metodologie di training#

RTDETRv2 usa un'architettura Transformer end-to-end che evita NMS. Migliora il predecessore con un approccio "Bag-of-Freebies", ottimizzando la strategia di addestramento e integrando capacità di rilevamento multiscala. Il modello usa un backbone CNN per estrarre mappe di feature (dettagli visivi come bordi e texture), che vengono poi elaborate da una struttura encoder-decoder Transformer. In questo modo il modello può analizzare simultaneamente il contesto dell'intera immagine, risultando molto efficace nell'interpretazione di scene complesse con oggetti molto ravvicinati o sovrapposti.

Punti di forza e debolezze#

Punti di forza:

  • Contesto globale: il meccanismo di attenzione consente al modello di eccellere in ambienti complessi e affollati.
  • Senza NMS: predice direttamente le coordinate degli oggetti, semplificando la pipeline di deployment.
  • Elevata precisione: ottiene un'eccellente precisione media (mAP) sul dataset COCO.

Punti deboli:

  • Elevato consumo di risorse: le architetture Transformer richiedono in genere più memoria CUDA durante l'addestramento rispetto alle CNN, rendendo costoso il fine-tuning su hardware standard.
  • Variabilità della velocità di inferenza: pur essendo veloce, il pesante carico di calcolo dell'attenzione può ridurre gli FPS nella visione artificiale sui dispositivi edge privi di acceleratori IA dedicati.

Scopri di più su RTDETRv2

YOLOv10: rilevamento di oggetti end-to-end in tempo reale#

YOLOv10 segna una svolta importante nella linea evolutiva del rilevamento degli oggetti con YOLO, affrontando direttamente il problema di lunga data del collo di bottiglia NMS nell'ambito di una struttura CNN.

Caratteristiche principali:

Architettura e metodologie di training#

L'innovazione fondamentale di YOLOv10 consiste nell'uso coerente di assegnazioni doppie per l'addestramento senza NMS. Durante l'addestramento utilizza due head di rilevamento: una con assegnazione uno-a-molti (come nei modelli YOLO tradizionali) per fornire segnali di supervisione dettagliati, e un'altra con assegnazione uno-a-uno per eliminare la necessità di NMS. Durante l'inferenza viene usata solo la head uno-a-uno, ottenendo così un processo end-to-end. Inoltre, gli autori hanno applicato una strategia di progettazione olistica dei modelli, guidata da efficienza e precisione, ottimizzando in modo completo diversi componenti per ridurre la ridondanza computazionale.

Punti di forza e debolezze#

Punti di forza:

  • Latenza ridotta: eliminando NMS e ottimizzando l'architettura, YOLOv10 raggiunge una latenza di inferenza molto bassa.
  • Efficienza: richiede meno parametri e FLOP per raggiungere una precisione paragonabile a quella di altri modelli, risultando molto adatto agli ambienti con risorse limitate.
  • Deployment senza NMS: semplifica l'integrazione in applicazioni edge come la videosorveglianza intelligente.

Punti deboli:

  • Concetto di prima generazione: essendo il primo modello YOLO a implementare questa specifica architettura senza NMS, ha gettato le basi, lasciando però spazio alla versatilità multitasking e alle ottimizzazioni introdotte nei modelli successivi, come YOLO11 e YOLO26.

Scopri di più su YOLOv10

Confronto delle prestazioni#

Quando valuti i modelli per la produzione, devi considerare l'accuratezza insieme al costo computazionale. La tabella seguente mostra i compromessi tra le dimensioni di RTDETRv2 e YOLOv10 su COCO.

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
YOLOv10n64038.5-1.842.36.7
YOLOv10s64046.3-2.497.221.6
YOLOv10m64051.1-4.7415.459.1
YOLOv10b64052.5-5.7419.192.0
YOLOv10l64053.2-7.2824.4120.3
YOLOv10x64054.4-10.7029.5160.4

RTDETRv2 è leggermente più accurato alle scale piccola, media e grande (48.1, 51.9 e 53.4 mAP contro 46.3, 51.1 e 53.2 per YOLOv10s, m e l), ma YOLOv10 è più veloce e compatto a ogni scala. YOLOv10x eguaglia RTDETRv2-x in accuratezza (54.4 contro 54.3 mAP) con 29.5M anziché 76M parametri e una latenza TensorRT di 10.70 ms anziché 15.03 ms. Le varianti nano e small rendono YOLOv10 interessante per le applicazioni di edge computing e AIoT.

Scegliere la dimensione giusta

Se esegui il deployment su GPU di classe server, dove la dimensione del batch e la VRAM non sono particolarmente limitate, i modelli più grandi (come -x o -l) massimizzano la precisione. Per dispositivi edge come Raspberry Pi o telefoni cellulari, scegli le varianti nano (-n) o small (-s) per mantenere frequenze dei fotogrammi in tempo reale.

Casi d'uso e consigli#

La scelta tra RT-DETR e YOLOv10 dipende dai requisiti specifici del tuo progetto, dai vincoli di deployment 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 YOLOv10#

YOLOv10 è consigliato per:

  • Rilevamento in tempo reale senza NMS: applicazioni che traggono vantaggio dal rilevamento end-to-end senza soppressione non massima, riducendo la complessità della distribuzione.
  • Compromesso equilibrato tra velocità e precisione: progetti che richiedono un buon equilibrio tra velocità di inferenza e precisione di rilevamento con modelli di diverse dimensioni.
  • Applicazioni con latenza costante: scenari di distribuzione in cui i tempi di inferenza prevedibili sono fondamentali, ad esempio nella robotica o nei sistemi autonomi.

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 senza GPU: Dispositivi privi di accelerazione GPU dedicata, sui quali l’inferenza CPU di YOLO26n, fino al 43% più veloce di 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.

Il vantaggio di Ultralytics: ecco YOLO26#

RTDETRv2 e YOLOv10 sono entrambi contributi di ricerca importanti, ma distribuirli in scenari reali richiede un ecosistema software ben mantenuto. Ultralytics Platform combina facilità d'uso, documentazione completa e strumenti per l'annotazione dei dati e la distribuzione.

Per i nuovi progetti nel 2026, il modello consigliato è Ultralytics YOLO26. Si basa su idee di entrambe le architetture e aggiunge diversi miglioramenti:

  • Design end-to-end senza NMS: basandosi sull'addestramento senza NMS che YOLOv10 ha introdotto nei modelli YOLO, YOLO26 offre una head one-to-one opzionale (nms=False) che salta il post-processing NMS, ottenendo una logica di deployment più rapida e semplice e una latenza più costante.
  • Rimozione della DFL: eliminando la Distribution Focal Loss, YOLO26 semplifica l'esportazione del modello e migliora la compatibilità con dispositivi edge e a basso consumo.
  • Ottimizzatore MuSGD: ibrido di SGD e Muon ispirato alle tecniche di addestramento degli LLM, questo ottimizzatore garantisce un addestramento più stabile e una convergenza più rapida.
  • Inferenza su CPU fino al 43% più veloce: YOLO26n è fino al 43% più veloce di YOLO11n su CPU con ONNX, un vantaggio negli ambienti senza GPU dedicate.
  • ProgLoss + STAL: Progressive Loss e Small-Target-Aware Label Assignment (STAL) migliorano il riconoscimento degli oggetti piccoli, essenziale per le applicazioni con droni e i sensori IoT.
  • Supporto multiattività: a differenza dei modelli limitati alle bounding box, YOLO26 supporta anche segmentazione di istanze, segmentazione semantica, stima della profondità, classificazione delle immagini, stima della posa e rilevamento OBB, con miglioramenti specifici per attività come Residual Log-Likelihood Estimation (RLE) per la posa.

Implementazione con Python#

L'addestramento e la distribuzione di questi modelli tramite l'API Python Ultralytics sono progettati per essere semplici. I requisiti di memoria durante l'addestramento sono inferiori a quelli delle architetture basate in larga misura sui Transformer, consentendoti di addestrare modelli potenti su hardware standard.

from ultralytics import YOLO

# Carica il modello YOLO26 (consigliato)
# In alternativa, carica un modello YOLOv10 usando YOLO('yolov10n.pt')
model = YOLO("yolo26n.pt")

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

# Esporta facilmente in vari formati per il deployment su dispositivi edge
model.export(format="onnx", simplify=True)

Che tu stia implementando sistemi di allarme di sicurezza o conducendo analisi di immagini mediche, scegliere un modello supportato dalla comunità Ultralytics attiva ti garantisce gli strumenti, le guide per la regolazione degli iperparametri e gli aggiornamenti continui necessari per raggiungere i tuoi obiettivi. YOLOv10 e RTDETRv2 hanno aperto la strada alle architetture senza NMS; YOLO26 sviluppa ulteriormente questo lavoro, offrendo un equilibrio solido tra prestazioni, versatilità e prontezza per la produzione.

Commenti

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