RTDETRv2 vs YOLOv5#

L'evoluzione della visione artificiale è stata in gran parte definita dalla ricerca incessante di un equilibrio tra accuratezza e velocità di inferenza in tempo reale. Nel confronto tra RTDETRv2 e Ultralytics YOLOv5, gli sviluppatori valutano essenzialmente le sofisticate capacità di comprensione del contesto globale delle architetture Transformer rispetto all'efficienza altamente ottimizzata e ampiamente collaudata delle reti neurali convoluzionali (CNNs).

Questa guida fornisce un'analisi tecnica approfondita di queste due architetture di rilievo, descrivendone le metriche prestazionali, le metodologie di addestramento, i requisiti di memoria e gli scenari di distribuzione ideali, per aiutarti a scegliere il modello di rilevamento degli oggetti migliore per il tuo caso d'uso specifico.

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

Basandosi sul Real-Time Detection Transformer originale (RT-DETR), RTDETRv2 introduce una serie di "omaggi gratuiti" per migliorare l'architettura di base senza sacrificare la latenza di inferenza.

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

Architettura e funzionalità#

RTDETRv2 sfrutta un'architettura ibrida CNN-Transformer. La CNN funge da backbone per estrarre caratteristiche visive dettagliate, mentre i livelli encoder-decoder del Transformer elaborano l'intera mappa delle caratteristiche per comprendere il contesto globale. Un tratto distintivo di RTDETRv2 è la sua natura end-to-end, che elimina completamente la necessità del post-processing di Soppressione non massima (NMS).

Sebbene RTDETRv2 raggiunga un'accuratezza impressionante, in particolare in scene complesse e dense in cui gli oggetti si sovrappongono, comporta notevoli compromessi. Il meccanismo di attenzione intrinseco ai Transformer richiede una quantità significativamente maggiore di memoria CUDA durante l'addestramento rispetto alle CNN standard. Inoltre, sebbene funzioni bene su GPU di fascia alta come NVIDIA A100 o T4, la sua architettura è sensibilmente più lenta sulle CPU standard e fortemente limitata sui dispositivi edge.

Scopri di più su RTDETRv2

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

Ultralytics YOLOv5 ha cambiato radicalmente il panorama del machine learning applicato al momento del suo rilascio, rendendo la visione artificiale ad alte prestazioni accessibile agli sviluppatori di tutto il mondo grazie a un framework eccezionalmente intuitivo.

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

Equilibrio tra ecosistema e prestazioni#

YOLOv5 è basato interamente sul framework PyTorch e si affida a un'architettura CNN estremamente efficiente. È stato progettato fin dall'inizio per la facilità d'uso, con un'API semplificata e una delle documentazioni più complete del settore dell'AI.

Il principale vantaggio di YOLOv5 risiede nella sua versatilità senza pari e nei bassi requisiti di memoria. L'addestramento di un modello YOLOv5 richiede molta 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 dei riquadri di delimitazione, YOLOv5 si è evoluto in una soluzione estremamente versatile che supporta la segmentazione delle istanze e la classificazione delle immagini.

Confronto di prestazioni e metriche#

Analizzando le prestazioni grezze sul dataset COCO standard, possiamo osservare chiare differenze nel modo in cui questi modelli assegnano le priorità alle risorse.

Analisi dei compromessi#

I dati mostrano che RTDETRv2-x raggiunge una precisione media media (mAP) massima del 54,3%, superando leggermente il 50,7% di YOLOv5x. Tuttavia, questo modesto incremento di accuratezza comporta un costo computazionale enorme. YOLOv5x opera con una latenza inferiore (11,89 ms contro 15,03 ms su TensorRT) e richiede una frazione della memoria. Per le distribuzioni edge a bassissimo consumo, YOLOv5n (Nano) rimane imbattuto, completando le inferenze in appena 1,12 ms con soli 2,6 milioni di parametri: un livello con cui RTDETRv2 non tenta nemmeno di competere.

Efficienza dell'addestramento e semplicità del codice#

Uno dei principali punti di forza dell'ecosistema Ultralytics è la sua API unificata. Anche se decidi di utilizzare l'architettura Transformer di RT-DETR per un'attività specifica ad alto costo computazionale, puoi farlo interamente all'interno del pacchetto Ultralytics Python, sostituendo 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, con integrazioni per il monitoraggio degli esperimenti (come Weights & Biases e Comet ML) ed esportazioni con un clic verso formati di distribuzione come ONNX e OpenVINO.

Applicazioni nel mondo reale e casi d'uso ideali#

Dove RTDETRv2 eccelle#

RTDETRv2 è più adatto agli ambienti in cui le limitazioni hardware sono inesistenti e l'obiettivo esclusivo è ottenere la massima precisione possibile.

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

Dove YOLOv5 domina#

YOLOv5 è il campione indiscusso per la distribuzione pratica nel mondo reale su hardware diversificato.

• Dispositivi Edge AI: distribuzione di sistemi di allarme di sicurezza su dispositivi Raspberry Pi o NVIDIA Jetson, dove la memoria è strettamente limitata.
• Applicazioni mobili: esecuzione rapida dell'inferenza in tempo reale di riquadri di delimitazione e segmentazione direttamente sugli smartphone tramite CoreML o TFLite.
• Produzione industriale ad alta velocità: ispezione di componenti su linee di produzione rapide, dove una latenza di pochi millisecondi è fondamentale per il successo operativo.

In definitiva, mentre RTDETRv2 innalza il limite dell'accuratezza utilizzando livelli Transformer, il framework Ultralytics YOLO offre un equilibrio senza pari tra velocità, requisiti di memoria ridotti e un'esperienza per sviluppatori progettata in modo eccellente, che riduce drasticamente il tempo dal prototipo alla produzione.