Inizia

RTDETRv2 vs YOLOv6-3.0

Gli sviluppatori che scelgono un modello di visione artificiale per il rilevamento di oggetti possono optare per architetture molto diverse. Questa pagina ne confronta due: RTDETRv2, un Transformer per il rilevamento in tempo reale, e YOLOv6-3.0, una rete neurale convoluzionale (CNN) ottimizzata per applicazioni industriali.

La pagina illustra le rispettive architetture, metriche di prestazione e scenari di distribuzione ideali, spiega cosa offre agli sviluppatori l'ecosistema Ultralytics e presenta Ultralytics YOLO26, il modello consigliato per i nuovi progetti.

RTDETRv2: l'approccio dei Transformer per la visione#

Sviluppato da ricercatori di Baidu, RTDETRv2 si basa sull'originale RT-DETR e perfeziona il rilevamento di oggetti basato su Transformer.

Punti salienti dell'architettura#

RTDETRv2 utilizza un'architettura ibrida che combina un estrattore di caratteristiche CNN con un decoder Transformer. La sua caratteristica distintiva è il design nativamente senza NMS. Rimuovendo la soppressione non massima (NMS) dalla post-elaborazione, il modello predice direttamente i riquadri di delimitazione, semplificando la distribuzione e stabilizzando la latenza di inferenza.

I miglioramenti all'addestramento "Bag-of-Freebies" di RTDETRv2, combinati con l'attenzione globale, lo aiutano a gestire scene complesse e oggetti sovrapposti, perché i modelli di attenzione analizzano le relazioni sull'intera immagine anziché entro finestre convoluzionali locali.

Utilizzo della memoria dei Transformer

Sebbene i Transformer eccellano nella comprensione di scene complesse, durante l'addestramento richiedono in genere più memoria CUDA delle CNN. Questo può limitare le dimensioni dei batch sulle normali GPU consumer e aumentare il tempo complessivo di addestramento.

Scopri di più su RTDETRv2

YOLOv6-3.0: massimizzare la produttività industriale#

Nato nel dipartimento Vision AI di Meituan, YOLOv6-3.0 è stato progettato per pipeline industriali in cui la priorità è la velocità di elaborazione della GPU.

  • Autori: Chuyi Li, Lulu Li, Yifei Geng, Hongliang Jiang, Meng Cheng, Bo Zhang, Zaidan Ke, Xiaoming Xu e Xiangxiang Chu
  • Organizzazione: Meituan
  • Data: 2023-01-13
  • arXiv: 2301.05586
  • GitHub: meituan/YOLOv6

Focus architetturale#

YOLOv6-3.0 si basa su un backbone EfficientRep, progettato per ridurre al minimo i costi di accesso alla memoria su acceleratori hardware come le GPU NVIDIA. L'architettura neck include un modulo Bi-directional Concatenation (BiC) per migliorare la fusione delle caratteristiche tra scale diverse.

Durante l'addestramento, utilizza una strategia Anchor-Aided Training (AAT) per sfruttare i paradigmi basati su anchor, mantenendo al contempo una modalità di inferenza senza anchor per un'esecuzione più rapida. Offre un'elevata velocità di elaborazione sulle GPU per server (ad esempio T4, A100), ma il design orientato alle GPU può essere meno efficiente sui dispositivi edge con sola CPU.

Scopri di più su YOLOv6

Confronto delle prestazioni#

La tabella seguente confronta la precisione (mAP), la velocità di inferenza e il costo computazionale (FLOPs) sul set di validazione 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
YOLOv6-3.0n64037.5-1.174.711.4
YOLOv6-3.0s64045.0-2.6618.545.3
YOLOv6-3.0m64050.0-5.2834.985.8
YOLOv6-3.0l64052.8-8.9559.6150.7

YOLOv6-3.0 è più veloce su T4 TensorRT a ogni dimensione comparabile (ad esempio, 5.28 ms contro 7.51 ms per i modelli medi), mentre RTDETRv2 raggiunge una mAP più alta (51.9 contro 50.0 per i modelli medi, 53.4 contro 52.8 per quelli grandi) e arriva a 54.3 mAP con RTDETRv2-x. Entrambi i modelli si concentrano sul rilevamento: nella loro versione principale nessuno offre segmentazione di istanze o stima della posa.

Casi d'uso e consigli#

La scelta tra RT-DETR e YOLOv6 dipende dai requisiti specifici del tuo progetto, dai vincoli di distribuzione e dalle preferenze in termini di 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 YOLOv6#

YOLOv6 è consigliato per:

  • Distribuzione ottimizzata per l’hardware industriale: scenari in cui la progettazione consapevole dell’hardware e la riparametrizzazione efficiente del modello offrono prestazioni ottimizzate sull’hardware di destinazione specifico.
  • Rilevamento rapido a singolo stadio: applicazioni che privilegiano la velocità pura di inferenza su GPU per l’elaborazione video in tempo reale in ambienti controllati.
  • Integrazione nell’ecosistema Meituan: team che lavorano già nello stack tecnologico e nell’infrastruttura di distribuzione di Meituan.

Quando scegliere Ultralytics (YOLO26)#

Per la maggior parte dei nuovi progetti, Ultralytics YOLO26 offre la migliore combinazione 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 solo CPU: dispositivi senza accelerazione GPU dedicata, sui quali l'inferenza CPU di YOLO26, fino al 43% più rapida (YOLO26n rispetto a 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.

I vantaggi di Ultralytics#

La scelta di un modello non dipende solo dai risultati dei benchmark: contano anche l'esperienza degli sviluppatori, la flessibilità di distribuzione e il supporto dell'ecosistema. I modelli integrati nell'ecosistema Ultralytics offrono diversi vantaggi rispetto ai repository di ricerca statici.

  • Facilità d'uso: il pacchetto Python ultralytics offre un'API semplice. Bastano poche righe di codice per addestrare, convalidare ed esportare i modelli.
  • Ecosistema ben mantenuto: a differenza dei repository accademici isolati, il pacchetto ultralytics e la Ultralytics Platform sono sottoposti a manutenzione attiva e supportano l'esportazione in formati come ONNX, OpenVINO e CoreML.
  • Efficienza dell'addestramento: durante l'addestramento, i modelli Ultralytics YOLO utilizzano in genere meno memoria GPU delle architetture Transformer come RTDETRv2, consentendo batch più grandi sull'hardware consumer.
  • Versatilità: a differenza di YOLOv6-3.0, focalizzato sul rilevamento, YOLO26 supporta rilevamento, segmentazione di istanze, segmentazione semantica, stima della profondità, classificazione di immagini, stima della posa e riquadri di delimitazione orientati (OBB) in un unico framework.
Distribuzione semplificata

Con la CLI di Ultralytics, esportare un modello addestrato per la distribuzione edge è semplice come eseguire: yolo export model=yolo11n.pt format=tensorrt.

Ecco YOLO26#

RTDETRv2 e YOLOv6-3.0 hanno entrambi punti di forza specifici, ma consigliamo YOLO26, rilasciato da Ultralytics a gennaio 2026, ai team che avviano nuovi progetti di visione artificiale.

YOLO26 combina i punti di forza delle CNN industriali e dei Transformer moderni:

  • Design end-to-end senza NMS: basandosi sull'approccio introdotto in YOLOv10, YOLO26 offre una testa opzionale senza NMS (nms=False) che salta la post-elaborazione NMS, garantendo una latenza prevedibile simile a quella di RTDETRv2 con un ingombro di memoria inferiore.
  • Ottimizzatore MuSGD: ispirato alle tecniche di addestramento dei modelli linguistici di grandi dimensioni (LLM), come Kimi K2 di Moonshot AI, questo ibrido di SGD e Muon offre un addestramento più stabile e una convergenza più rapida.
  • Ottimizzato per l'edge: rimuovendo Distribution Focal Loss (DFL), YOLO26n è fino al 43% più veloce su CPU di YOLO11n, caratteristica utile per dispositivi mobili e IoT senza accelerazione GPU.
  • ProgLoss + STAL: Progressive Loss e Small-Target-Aware Label Assignment (STAL) migliorano il riconoscimento degli oggetti piccoli, una sfida di lunga data per le CNN, con benefici per le immagini aeree e la robotica.

Esempio di training#

L'API Ultralytics addestra i modelli con poche righe di codice. L'esempio eseguibile qui sotto addestra il modello YOLO26 Nano sul dataset COCO8:

from ultralytics import YOLO

# Load the newly released YOLO26 Nano model
model = YOLO("yolo26n.pt")

# Train the model on the COCO8 dataset for 50 epochs
# The Ultralytics engine handles data caching and augmentation automatically
train_results = model.train(data="coco8.yaml", epochs=50, imgsz=640)

# Validate the model's performance
metrics = model.val()
print(f"Validation mAP50-95: {metrics.box.map}")

# Export the trained model to ONNX format for production
model.export(format="onnx")

Riepilogo#

Nel confronto tra RTDETRv2 e YOLOv6-3.0, la scelta dipende in larga misura dal tuo hardware specifico e dai vincoli di latenza. RTDETRv2 eccelle negli ambienti di ricerca e nell'elaborazione lato server, dove è fondamentale gestire oggetti complessi e sovrapposti. YOLOv6-3.0 resta una scelta valida per le linee di produzione ad alta produttività dotate di potenti GPU NVIDIA.

Per gli sviluppatori che desiderano un'inferenza senza NMS come quella dei Transformer insieme alla velocità e al ridotto ingombro di memoria di una CNN, YOLO26 è la scelta consigliata. La documentazione, la community attiva e gli strumenti Ultralytics aiutano i progetti di IA per la visione a passare dal prototipo alla produzione.

Commenti

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