RTDETRv2 vs YOLOv5#

L'evoluzione della computer vision è stata ampiamente definita dall'incessante ricerca di un equilibrio tra precisione e velocità di inferenza in tempo reale. Nel confrontare RTDETRv2 e Ultralytics YOLOv5, gli sviluppatori stanno essenzialmente soppesando 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, descrivendo in dettaglio le loro metriche di performance, le metodologie di addestramento, i requisiti di memoria e gli scenari di deployment ideali per aiutarti a scegliere il miglior modello di object detection per il 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 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
• Collegamenti: Arxiv Paper, GitHub Repository

Architettura e funzionalità#

RTDETRv2 sfrutta un'architettura ibrida CNN-Transformer. La CNN funge da backbone per estrarre feature visive a grana fine, mentre i layer encoder-decoder del Transformer elaborano l'intera mappa delle feature per comprendere il contesto globale. Un tratto distintivo fondamentale di RTDETRv2 è la sua natura end-to-end, che elimina completamente la necessità del post-processing Non-Maximum Suppression (NMS).

Sebbene RTDETRv2 raggiunga una precisione impressionante, in particolare in scene complesse e dense in cui gli oggetti si sovrappongono, presenta compromessi notevoli. Il mechanism di attenzione intrinseco dei Transformer richiede una memoria CUDA significativamente maggiore 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 notevolmente più lenta su CPU standard e dispositivi edge fortemente limitati.

Scopri di più su RTDETRv2

Ultralytics 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: Official Documentation, GitHub Repository

Ecosistema ed equilibrio delle prestazioni#

YOLOv5 è interamente basato sul framework PyTorch e si basa su un'architettura CNN estremamente efficiente. È stato progettato fin dall'inizio per la massima facilità d'uso, presentando un'API snella e una delle documentazioni più estese nel settore dell'IA.

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

Scopri di più su YOLOv5

Confronto tra prestazioni e metriche#

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

Analisi dei compromessi#

I dati rivelano che RTDETRv2-x raggiunge un mean Average Precision (mAP) di picco del 54,3%, superando leggermente il 50,7% di YOLOv5x. Tuttavia, questo piccolo guadagno in termini di precisione comporta un costo computazionale elevato. YOLOv5x opera con una latenza inferiore (11,89 ms contro 15,03 ms su TensorRT) e richiede una frazione dell'impronta di memoria. Per i deployment edge a bassissima potenza, YOLOv5n (Nano) rimane incontrastato, completando le inferenze in appena 1,12 ms con un'impronta di parametri minima di 2,6M, un livello in cui RTDETRv2 non tenta nemmeno di competere.

Efficienza 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 accesso a un ecosistema ben mantenuto che include experiment tracking integrations (come Weights & Biases e Comet ML) ed esportazioni con un solo clic verso formati di deployment come ONNX e OpenVINO.

Applicazioni nel mondo reale e casi d'uso ideali#

Dove 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: Tracciamento di oggetti densi e sovrapposti in attività di aerial surveillance su potenti cluster cloud.

Dove domina YOLOv5#

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

• Dispositivi Edge AI: Deployment di security alarm systems su dispositivi Raspberry Pi o NVIDIA Jetson in cui la memoria è severamente 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.