RTDETRv2 vs YOLOv8
I modelli di visione artificiale per il rilevamento degli oggetti si dividono sempre più in due categorie: reti neurali convoluzionali (CNN) e nuove architetture basate su Transformer. Questo confronto tecnico esamina RTDETRv2, un Transformer per il rilevamento in tempo reale, e Ultralytics YOLOv8, uno dei modelli CNN più adottati. Entrambi i modelli sono efficaci, ma le loro architetture comportano differenze sostanziali nell'addestramento, nei vincoli di distribuzione e nelle prestazioni.
Panoramica del modello: RTDETRv2#
RTDETRv2 (versione 2 del Real-Time Detection Transformer) si basa sull'RT-DETR originale, ottimizzandone l'architettura Transformer per l'inferenza in tempo reale.
Dettagli tecnici principali:
- Autori: Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang e Yi Liu
- Organizzazione: Baidu
- Data: 2024-07-24
- Link: Pubblicazione su arXiv | Repository GitHub
Architettura e punti di forza#
RTDETRv2 usa un'architettura ibrida che combina un backbone CNN con un encoder-decoder Transformer. Questo consente al modello di considerare l'intera immagine in una volta sola, aiutandolo a gestire scene complesse con oggetti sovrapposti. La sua caratteristica distintiva è la progettazione nativa end-to-end, che salta la post-elaborazione soppressione dei massimi locali (NMS). Ciò riduce la complessità algoritmica nelle fasi finali della pipeline di rilevamento. Le feature multiscala aiutano inoltre a rilevare sia strutture grandi sia piccoli elementi dello sfondo.
Punti deboli#
Nonostante la loro forte capacità di comprendere il contesto, le architetture basate su Transformer come RTDETRv2 comportano un elevato carico computazionale durante l'addestramento. Richiedono più memoria CUDA, rendendo più difficile addestrarle su hardware consumer. Anche configurare un dataset personalizzato e regolare gli iperparametri di addestramento nel repository ufficiale richiede spesso competenze specifiche, poiché manca un'interfaccia software intuitiva per i principianti. Anche la distribuzione su dispositivi edge a basso consumo, come i modelli Raspberry Pi meno recenti, può essere difficile perché i livelli di attenzione sono costosi dal punto di vista computazionale.
Panoramica del modello: YOLOv8#
Dal suo rilascio, Ultralytics YOLOv8 è diventato uno standard ampiamente usato per la visione artificiale in produzione, combinando un'esperienza di sviluppo semplice con un'elevata accuratezza.
Dettagli tecnici principali:
- Autori: Glenn Jocher, Ayush Chaurasia e Jing Qiu
- Organizzazione: Ultralytics
- Data: 10 gennaio 2023
- Link: Documentazione ufficiale | Repository GitHub
Architettura e punti di forza#
YOLOv8 usa un'architettura CNN senza ancore con una testa disaccoppiata, migliorando la localizzazione degli oggetti e l'accuratezza della classificazione rispetto alle generazioni precedenti di YOLO. I suoi principali punti di forza sono efficienza e versatilità. Rispetto ai Transformer per la visione artificiale, l'architettura richiede meno memoria durante l'addestramento, consentendo ai professionisti di usare batch di dimensioni maggiori sulle GPU standard. L'ecosistema Ultralytics offre inoltre un flusso di lavoro ottimizzato: l'API Python unificata gestisce la regolazione degli iperparametri, l'addestramento, la validazione e l'esportazione con poche righe di codice.
Punti deboli#
YOLOv8 si affida alla NMS tradizionale nella fase di post-elaborazione. Il motore Ultralytics la gestisce in modo efficiente dietro le quinte, ma tecnicamente introduce una leggera latenza di post-elaborazione rispetto alle architetture native senza NMS.
Confronto delle prestazioni e delle metriche#
La tabella seguente confronta l'accuratezza di validazione su COCO (mAP), la velocità su CPU e T4 TensorRT, il numero di parametri e i FLOP. Le due famiglie privilegiano aspetti diversi della pipeline di distribuzione.
| Modello | dimensione (pixel) | mAPval50-95 | Velocità CPU ONNX (ms) | Velocità T4 TensorRT10 (ms) | parametri (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| RTDETRv2-s | 640 | 48.1 | - | 5.03 | 20 | 60 |
| RTDETRv2-m | 640 | 51.9 | - | 7.51 | 36 | 100 |
| RTDETRv2-l | 640 | 53.4 | - | 9.76 | 42 | 136 |
| RTDETRv2-x | 640 | 54.3 | - | 15.03 | 76 | 259 |
| YOLOv8n | 640 | 37.3 | 80.4 | 1.47 | 3.2 | 8.7 |
| YOLOv8s | 640 | 44.9 | 128.4 | 2.66 | 11.2 | 28.6 |
| YOLOv8m | 640 | 50.2 | 234.7 | 5.86 | 25.9 | 78.9 |
| YOLOv8l | 640 | 52.9 | 375.2 | 9.06 | 43.7 | 165.1 |
| YOLOv8x | 640 | 53.9 | 479.1 | 14.37 | 68.2 | 257.8 |
RTDETRv2-x raggiunge una mAP massima leggermente superiore (54.3) rispetto a YOLOv8x (53.9) e RTDETRv2 è più accurato a ogni dimensione confrontabile. YOLOv8 è più veloce alle dimensioni minori: YOLOv8s è quasi due volte più veloce di RTDETRv2-s su TensorRT (2.66 ms contro 5.03 ms), con quasi la metà dei parametri ma una mAP inferiore di 3.2 punti. Alle dimensioni maggiori, YOLOv8l e RTDETRv2-l hanno velocità e dimensioni simili. In questo confronto, solo YOLOv8 riporta velocità CPU con ONNX.
Requisiti di memoria ed efficienza di addestramento#
Il costo di addestramento è importante sia per gli sviluppatori indipendenti sia per i team aziendali. Durante il processo di addestramento, i modelli Ultralytics YOLO richiedono in genere meno memoria CUDA delle architetture Transformer. Un modello RTDETRv2 standard può diventare un collo di bottiglia su una GPU consumer, mentre YOLOv8 si addestra in modo affidabile su hardware come NVIDIA RTX 4070.
Ecosistema, API e facilità d'uso#
Il framework software di supporto è un altro elemento distintivo fondamentale. L'ecosistema Ultralytics gestisce gran parte del lavoro di ingegneria; inoltre, lo sviluppo attivo, la documentazione completa e il supporto della community su Discord aiutano a portare avanti i progetti.
YOLOv8 va oltre il rilevamento degli oggetti e supporta nativamente segmentazione di istanze, classificazione delle immagini, stima della posa e bounding box orientate (OBB). RTDETRv2 si concentra esclusivamente sul rilevamento.
Esempio di codice: semplicità unificata#
L'API Python Ultralytics esegue entrambe le famiglie di modelli con la stessa interfaccia.
from ultralytics import RTDETR, YOLO
# Carica un modello RT-DETR e un modello YOLOv8
model_transformer = RTDETR("rtdetr-l.pt")
model_cnn = YOLO("yolov8l.pt")
# Esegui una previsione su un'immagine di esempio utilizzando la stessa identica API
results_transformer = model_transformer("https://ultralytics.com/images/bus.jpg")
results_cnn = model_cnn("https://ultralytics.com/images/bus.jpg")
# Esporta YOLOv8 in ONNX per una rapida implementazione edge
model_cnn.export(format="onnx")Una volta addestrato, YOLOv8 si esporta con una sola riga in ONNX, TensorRT e OpenVINO per un'inferenza efficiente su diversi backend hardware.
Casi d'uso e consigli#
La scelta tra RT-DETR e YOLOv8 dipende dai requisiti specifici del progetto, dai vincoli di implementazione e dalle preferenze relative all'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 YOLOv8#
YOLOv8 è consigliato per:
- Deployment versatile multi-attività: progetti che richiedono un modello collaudato per il rilevamento, la segmentazione, la classificazione e la stima della posa nell'ecosistema Ultralytics.
- Sistemi di produzione consolidati: ambienti di produzione esistenti già basati sull’architettura YOLOv8, con pipeline di distribuzione stabili e ben testate.
- Ampio supporto della community e dell’ecosistema: applicazioni che traggono vantaggio dagli estesi tutorial di YOLOv8, dalle integrazioni di terze parti e dalle risorse della community attiva.
Quando scegliere Ultralytics (YOLO26)#
Per la maggior parte dei nuovi progetti, Ultralytics YOLO26 offre la combinazione migliore 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 senza GPU: Dispositivi privi di accelerazione GPU dedicata, sui quali l’inferenza CPU di YOLO26n, fino al 43% più veloce di 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.
Uno sguardo al futuro: i vantaggi di YOLO26#
YOLOv8 resta un modello fondamentale, ma la visione artificiale si evolve rapidamente. Per i team che iniziano nuovi progetti nel 2026, il successore consigliato è Ultralytics YOLO26.
Se ti interessa la progettazione senza NMS di RTDETRv2, YOLO26 offre una progettazione end-to-end senza NMS opzionale (nms=False), combinando la semplicità di post-elaborazione dei Transformer con la velocità delle CNN. YOLO26 usa anche l'ottimizzatore MuSGD, che porta le tecniche di addestramento dei modelli linguistici di grandi dimensioni (LLM) nei modelli di visione, per un addestramento più stabile e una convergenza più rapida. Grazie alla rimozione della DFL (la Distribution Focal Loss viene rimossa per semplificare l'esportazione e migliorare la compatibilità con dispositivi edge e a basso consumo), YOLO26n raggiunge un'inferenza su CPU fino al 43% più veloce di YOLO11n. Abbinato a ProgLoss + STAL (Progressive Loss e Small-Target-Aware Label Assignment) per rilevare meglio gli oggetti piccoli, YOLO26 è il percorso di aggiornamento consigliato sia da YOLOv8 sia da RTDETRv2.
Per modelli alternativi, consulta YOLO11 oppure leggi l'analisi dettagliata di YOLOv10 e YOLOv8 a confronto per scoprire come si è evoluta l'architettura senza NMS nella famiglia YOLO.
Commenti1
Fai una domanda, condividi i tuoi risultati o aiuta qualcun altro.
CathyFisher(modificato)
Excellent technical comparison! RTDETRv2’s transformer-based architecture brings impressive accuracy and end-to-end detection without the need for NMS, which is quite innovative. However, this YOLOv8 comparison shows that v8 still excels in real-time performance, lighter deployment, and ease of customization. It’s clear that RTDETRv2 is pushing boundaries, but YOLOv8 remains a go-to for many practical applications due to its balance of speed and flexibility.