Inizia

RTDETRv2 vs YOLOv5

L'evoluzione della visione artificiale è stata in gran parte determinata dalla necessità di bilanciare la precisione con la velocità di inferenza in tempo reale. Nel confronto tra RTDETRv2 e Ultralytics YOLOv5, gli sviluppatori valutano la modellazione del contesto globale delle architetture Transformer rispetto all'efficienza ottimizzata e comprovata in produzione delle reti neurali convoluzionali (CNN).

Questa guida confronta le due architetture e ne illustra le metriche di prestazione, le metodologie di addestramento, i requisiti di memoria e gli scenari di distribuzione ideali, per aiutarti a scegliere il modello di rilevamento di oggetti più adatto al tuo caso d'uso specifico.

RTDETRv2: l'approccio Transformer al rilevamento in tempo reale#

Basandosi sul Real-Time Detection Transformer (RT-DETR) originale, RTDETRv2 introduce una serie di «bag-of-freebies» per migliorare l'architettura di base senza comprometterne la latenza di inferenza.

Architettura e funzionalità#

RTDETRv2 utilizza un'architettura ibrida CNN-Transformer. Un backbone CNN estrae caratteristiche visive dettagliate, mentre i livelli encoder-decoder Transformer elaborano l'intera mappa delle caratteristiche per cogliere il contesto globale. Una caratteristica distintiva di RTDETRv2 è il design end-to-end, che elimina la necessità della post-elaborazione di soppressione non massima (NMS).

RTDETRv2 raggiunge un'elevata precisione, soprattutto nelle scene complesse e dense in cui gli oggetti si sovrappongono, ma comporta dei compromessi. Il meccanismo di attenzione intrinseco ai Transformer richiede più memoria CUDA durante l'addestramento rispetto alle CNN standard. Inoltre, pur funzionando bene su GPU come NVIDIA A100 o T4, è nettamente più lento sulle CPU standard e sui dispositivi edge AI con risorse limitate.

Scopri di più su RTDETRv2

Ultralytics YOLOv5: lo standard del settore per l'efficienza#

Al momento del rilascio, Ultralytics YOLOv5 ha reso la visione artificiale ad alte prestazioni accessibile agli sviluppatori di tutto il mondo grazie a un framework intuitivo e facile da usare.

Equilibrio tra ecosistema e prestazioni#

YOLOv5 è basato interamente sul framework PyTorch e utilizza un'architettura CNN efficiente. È stato progettato da zero per essere facile da usare, con un'API semplice e una documentazione completa.

I principali vantaggi di YOLOv5 sono la versatilità e i ridotti requisiti di memoria. Per addestrare un modello YOLOv5 serve molta meno VRAM che per i modelli basati su Transformer, rendendolo accessibile a ricercatori e ingegneri con risorse hardware limitate. Inoltre, mentre RTDETRv2 si concentra sul rilevamento dei riquadri di delimitazione, il repository di YOLOv5 supporta anche la segmentazione di istanze (aggiunta in YOLOv5 v7.0) e la classificazione di immagini.

Gestione dei modelli in ambito aziendale

Puoi addestrare, convalidare e distribuire YOLOv5 direttamente sulla Ultralytics Platform, che offre l'addestramento sul cloud e la distribuzione senza codice.

Confronto delle prestazioni e delle metriche#

Le prestazioni sullo standard dataset COCO evidenziano differenze nette nel modo in cui questi modelli bilanciano la precisione e l'uso delle risorse.

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
YOLOv5n64028.0-1.121.94.5
YOLOv5s64037.4-1.927.216.5
YOLOv5m64045.4-4.0321.249.0
YOLOv5l64049.0-6.6146.5109.1
YOLOv5x64050.7-11.8986.7205.7

Analisi dei compromessi#

RTDETRv2-x raggiunge un valore massimo di precisione media (mAP) del 54.3%, 3.6 punti in più rispetto a YOLOv5x (50.7%). YOLOv5x ha una latenza TensorRT inferiore (11.89 ms contro 15.03 ms) e meno FLOPs (205.7B contro 259B), ma più parametri (86.7M contro 76M). A una latenza simile, RTDETRv2 è più preciso: RTDETRv2-s raggiunge il 48.1% in 5.03 ms, mentre YOLOv5m raggiunge il 45.4% in 4.03 ms. Per le distribuzioni edge a basso consumo, YOLOv5n impiega 1.12 ms e ha 1.9M di parametri, una fascia dimensionale non disponibile per RTDETRv2.

Efficienza di addestramento e semplicità del codice#

Uno dei principali punti di forza dell'ecosistema Ultralytics è l'API unificata. Se scegli l'architettura Transformer di RT-DETR per un'attività ad alto fabbisogno computazionale, puoi comunque usarla interamente nel pacchetto Python Ultralytics e passare da un modello all'altro modificando una sola riga di codice.

from ultralytics import RTDETR, YOLO

# Carica il modello Ultralytics YOLOv5 small
model_yolo = YOLO("yolov5su.pt")  # YOLOv5u: pesi YOLOv5 anchor-free per il pacchetto ultralytics

# Carica il modello RT-DETR large tramite Ultralytics
model_rtdetr = RTDETR("rtdetr-l.pt")

# Addestra YOLOv5 sui tuoi dati personalizzati
model_yolo.train(data="coco8.yaml", epochs=100, imgsz=640)

# Esegui l'inferenza con entrambi i modelli
results_yolo = model_yolo("https://ultralytics.com/images/bus.jpg")
results_rtdetr = model_rtdetr("https://ultralytics.com/images/bus.jpg")

results_yolo[0].show()

Grazie alla libreria Ultralytics, gli sviluppatori accedono automaticamente a un ecosistema ben mantenuto, con integrazioni per il monitoraggio degli esperimenti (come Weights & Biases e Comet) ed esportazioni con un solo comando in formati di distribuzione come ONNX e OpenVINO.

Applicazioni nel mondo reale e casi d'uso ideali#

Dove RTDETRv2 dà il meglio di sé#

RTDETRv2 è più adatto agli ambienti in cui l'hardware non è un vincolo e la priorità è la precisione.

  • Imaging medico lato server: rilevamento di anomalie sottili nelle radiografie ad alta risoluzione.
  • Immagini satellitari: tracciare oggetti densi e sovrapposti in attività di sorveglianza aerea su potenti cluster cloud.

Dove YOLOv5 eccelle#

YOLOv5 è una scelta pratica per la distribuzione nel mondo reale su hardware diversificato.

  • Dispositivi edge AI: distribuire sistemi di allarme di sicurezza su Raspberry Pi o dispositivi NVIDIA Jetson, dove la memoria è fortemente limitata.
  • Applicazioni mobili: eseguire direttamente sugli smartphone inferenze rapide e in tempo reale per riquadri di delimitazione e segmentazione tramite CoreML o LiteRT.
  • Produzione industriale ad alta velocità: ispezionare componenti su linee di produzione rapide, dove una latenza di pochi millisecondi è fondamentale per il successo operativo.
Scopri altri modelli Ultralytics

YOLOv5 è ancora ampiamente utilizzato, ma sono disponibili modelli Ultralytics più recenti. Se nel 2026 stai confrontando modelli per un nuovo progetto, valuta Ultralytics YOLO26, il modello consigliato. YOLO26 offre un design end-to-end senza NMS grazie alla testa opzionale one-to-one (nms=False), simile ai Transformer ma con la velocità delle CNN; utilizza l'ottimizzatore MuSGD per un addestramento stabile e YOLO26n offre un'inferenza su CPU fino al 43% più veloce di YOLO11n. In alternativa, YOLO11 rimane una scelta ben supportata per distribuzioni versatili che richiedono stima della posa e rilevamento OBB.

In definitiva, mentre RTDETRv2 alza il limite di precisione utilizzando livelli Transformer, il framework Ultralytics YOLO offre un buon equilibrio tra velocità, ridotti requisiti di memoria e un'esperienza per gli sviluppatori che accelera il passaggio dal prototipo alla produzione.

Commenti

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