Link to this sectionRTDETRv2 vs YOLOv5#

L'evoluzione della computer vision è stata largamente definita dall'incessante ricerca di un equilibrio tra precisione e velocità di inferenza in tempo reale. Confrontando RTDETRv2 e Ultralytics YOLOv5, gli sviluppatori stanno essenzialmente valutando le sofisticate capacità di contesto globale delle architetture Transformer rispetto all'efficienza altamente ottimizzata e collaudata delle Reti Neurali Convoluzionali (CNN).

Questa guida fornisce un'analisi tecnica approfondita di queste due importanti architetture, dettagliandone le metriche di prestazione, le metodologie di addestramento, i requisiti di memoria e gli scenari di distribuzione ideali per aiutarti a scegliere il miglior modello di object detection per il tuo caso d'uso specifico.

Link to this sectionRTDETRv2: 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 sacrificare la sua latenza di inferenza.

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

Link to this sectionArchitettura e funzionalità#

RTDETRv2 sfrutta un'architettura ibrida CNN-Transformer. La CNN funge da backbone per estrarre caratteristiche visive dettagliate, mentre gli strati encoder-decoder del Transformer elaborano l'intera mappa delle caratteristiche per comprendere il contesto globale. Un segno distintivo di RTDETRv2 è la sua natura end-to-end, che elimina completamente la necessità di post-processing tramite Non-Maximum Suppression (NMS).

Sebbene RTDETRv2 raggiunga una precisione impressionante, specialmente in scene complesse e dense dove gli oggetti si sovrappongono, comporta notevoli compromessi. Il meccanismo di attenzione intrinseco ai Transformer richiede una memoria CUDA significativamente maggiore durante l'addestramento rispetto alle CNN standard. Inoltre, mentre funziona bene su GPU di fascia alta come NVIDIA A100 o T4, la sua architettura è notevolmente più lenta su CPU standard e dispositivi edge severamente limitati.

Scopri di più su RTDETRv2

Link to this sectionUltralytics YOLOv5: Lo standard industriale per l'efficienza#

Ultralytics YOLOv5 ha cambiato radicalmente il panorama dell'apprendimento automatico applicato quando è stato rilasciato, rendendo la computer vision ad alte prestazioni accessibile agli sviluppatori di tutto il mondo attraverso un framework eccezionalmente intuitivo.

• Autore: Glenn Jocher
• Organizzazione: Ultralytics
• Data: 26 giugno 2020
• Link: Documentazione ufficiale, Repository GitHub

Link to this sectionEcosistema ed equilibrio delle prestazioni#

YOLOv5 è costruito interamente sul framework PyTorch e si basa su un'architettura CNN estremamente efficiente. È stato progettato da zero per la facilità d'uso, presentando un'API snella e alcune delle documentazioni più estese nel settore dell'IA.

Il più grande vantaggio di YOLOv5 risiede nella sua versatilità impareggiabile e nei bassi requisiti di memoria. L'addestramento di un modello YOLOv5 richiede drasticamente meno VRAM rispetto ai modelli basati su Transformer, rendendolo accessibile a ricercatori e ingegneri con budget hardware limitati. Inoltre, mentre RTDETRv2 si concentra esclusivamente sul rilevamento di bounding box, YOLOv5 si è evoluto in una versatile potenza che supporta instance segmentation e image classification.

Scopri di più su YOLOv5

Link to this sectionConfronto tra prestazioni e metriche#

Analizzando le prestazioni grezze sul COCO dataset standard, possiamo vedere chiare distinzioni nel modo in cui questi modelli danno priorità alle risorse.

Link to this sectionAnalisi dei compromessi#

I dati rivelano che RTDETRv2-x raggiunge una mean Average Precision (mAP) di picco del 54,3%, superando leggermente il 50,7% di YOLOv5x. Tuttavia, questo piccolo guadagno di precisione ha un costo computazionale massiccio. YOLOv5x opera con una latenza inferiore (11,89 ms contro 15,03 ms su TensorRT) e richiede una frazione dell'ingombro di memoria. Per le implementazioni edge a bassissimo consumo, YOLOv5n (Nano) rimane imbattuto, completando le inferenze in soli 1,12 ms con un ingombro di parametri minuscolo di 2,6M: un livello in cui RTDETRv2 non tenta nemmeno di competere.

Link to this sectionEfficienza di addestramento e semplicità del codice#

Uno dei punti di forza dell'ecosistema Ultralytics è la sua API unificata. Anche se decidi di utilizzare l'architettura Transformer di RT-DETR per uno specifico compito ad alto carico computazionale, puoi farlo interamente all'interno del pacchetto Python di Ultralytics, scambiando i modelli senza problemi con una sola riga di codice.

from ultralytics import RTDETR, YOLO

# Load the Ultralytics YOLOv5 small model
model_yolo = YOLO("yolov5s.pt")

# Load the RT-DETR large model via Ultralytics
model_rtdetr = RTDETR("rtdetr-l.pt")

# Train YOLOv5 effortlessly on your custom data
model_yolo.train(data="coco8.yaml", epochs=100, imgsz=640)

# Run inference with both models seamlessly
results_yolo = model_yolo("https://ultralytics.com/images/bus.jpg")
results_rtdetr = model_rtdetr("https://ultralytics.com/images/bus.jpg")

results_yolo[0].show()

Sfruttando la libreria Ultralytics, gli sviluppatori ottengono automaticamente l'accesso a un ecosistema ben mantenuto che include integrazioni di monitoraggio degli esperimenti (come Weights & Biases e Comet ML) e l'esportazione con un clic verso formati di distribuzione come ONNX e OpenVINO.

Link to this sectionApplicazioni nel mondo reale e casi d'uso ideali#

Link to this sectionDove brilla RTDETRv2#

RTDETRv2 è più adatto per ambienti in cui le limitazioni hardware non esistono e la massima precisione possibile è l'unico obiettivo.

• Imaging medico lato server: rilevamento di anomalie microscopiche in raggi X ad alta risoluzione.
• Immagini satellitari: monitoraggio di oggetti densi e sovrapposti in attività di sorveglianza aerea su potenti cluster cloud.

Link to this sectionDove domina YOLOv5#

YOLOv5 è l'indiscusso campione per implementazioni pratiche e reali su hardware eterogeneo.

• Dispositivi Edge AI: implementazione di sistemi di allarme di sicurezza su Raspberry Pi o dispositivi NVIDIA Jetson dove la memoria è strettamente limitata.
• Applicazioni mobili: esecuzione rapida di inferenze di bounding box e segmentazione in tempo reale direttamente su smartphone tramite CoreML o TFLite.
• Produzione industriale ad alta velocità: ispezione di componenti su linee di produzione rapide dove la latenza nell'ordine dei millisecondi è fondamentale per il successo operativo.

In definitiva, mentre RTDETRv2 spinge il limite massimo della precisione utilizzando gli strati Transformer, il framework Ultralytics YOLO offre un equilibrio impareggiabile di velocità, requisiti di memoria leggeri e un'esperienza per lo sviluppatore progettata in modo brillante che riduce drasticamente il tempo dal prototipo alla produzione.