Inizia

RTDETRv2 vs YOLOv9

Le architetture di visione artificiale si sono divise in due approcci principali: reti neurali convoluzionali (CNN) e modelli basati su Transformer. Confrontare RTDETRv2 e YOLOv9 significa valutare l'attenzione globale rispetto alle informazioni programmabili sui gradienti. Entrambi rappresentano validamente il proprio approccio al rilevamento degli oggetti in tempo reale.

Introduzione ai modelli#

RTDETRv2: Real-Time Detection Transformer#

Sviluppato dai ricercatori di Baidu, RTDETRv2 si basa sull'RT-DETR originale introducendo un approccio "Bag-of-Freebies" per potenziare il Real-Time Detection Transformer di base. Affronta il tradizionale collo di bottiglia dei Transformer, la velocità di inferenza, rendendoli praticabili per le applicazioni in tempo reale.

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

Una caratteristica distintiva di RTDETRv2 è la sua progettazione nativa end-to-end senza NMS. Rimuovendo la soppressione dei massimi locali (NMS) dalla post-elaborazione, il modello stabilizza la latenza di inferenza e semplifica la pipeline di distribuzione. Il meccanismo di attenzione globale aiuta il modello a gestire scene complesse e folle dense, poiché valuta simultaneamente il contesto dell'intera immagine.

Scopri di più su RTDETRv2

YOLOv9: informazioni di gradiente programmabili#

YOLOv9, un'efficiente architettura basata su CNN, affronta il problema del collo di bottiglia informativo insito nelle reti neurali profonde. Introduce Programmable Gradient Information (PGI) e Generalized Efficient Layer Aggregation Network (GELAN).

YOLOv9 si basa sulle consolidate fondamenta delle reti neurali convoluzionali, concentrandosi sull'efficienza dei parametri. Mantenendo le informazioni chiave durante il passaggio feed-forward, PGI mantiene affidabili i gradienti e produce un modello leggero ma accurato. Tuttavia, a differenza di RTDETRv2, YOLOv9 continua a usare la post-elaborazione NMS standard.

Scopri di più su YOLOv9

Prestazioni ed efficienza delle risorse#

La tabella seguente confronta la precisione media (mAP) e il costo computazionale sul dataset MS COCO. YOLOv9 usa molti meno parametri a parità di accuratezza (YOLOv9m raggiunge 51.4 mAP con 20.1M di parametri, contro 51.9 mAP e 36M per RTDETRv2-m) ed è più veloce su T4 TensorRT a tutte le dimensioni tranne YOLOv9e. YOLOv9e raggiunge la mAP più alta (55.6), ma è anche il modello più lento della tabella (16.77 ms).

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
YOLOv9t64038.3-2.32.07.7
YOLOv9s64046.8-3.547.226.7
YOLOv9m64051.4-6.4320.176.8
YOLOv9c64053.0-7.1625.5102.8
YOLOv9e64055.6-16.7758.1192.5

Requisiti di memoria ed efficienza di addestramento#

I Transformer come RTDETRv2 richiedono molta memoria durante l'addestramento e spesso necessitano di notevoli risorse CUDA. Le architetture CNN come YOLOv9 e gli altri modelli Ultralytics YOLO usano in genere meno memoria, consentendo agli sviluppatori di addestrare con batch di dimensioni maggiori su hardware consumer.

Addestramento efficiente

Per sfruttare al meglio il tuo hardware, valuta Ultralytics Platform per l'addestramento cloud. La piattaforma gestisce automaticamente la configurazione dell'ambiente e la dimensione dei batch.

I vantaggi di Ultralytics: ecosistema e facilità d'uso#

I repository indipendenti, come le pagine GitHub ufficiali di RTDETRv2 o YOLOv9, sono utili per la ricerca, ma gli ambienti di produzione richiedono stabilità, facilità d'uso e un ecosistema ben mantenuto. Usando questi modelli tramite l'API Python Ultralytics, ottieni un'esperienza di sviluppo coerente.

API unificata e versatilità#

Il framework Ultralytics nasconde le complessità del caricamento dei dati, dell'aumento dei dati e dell'addestramento distribuito. Inoltre, mentre RTDETRv2 originale si concentra esclusivamente sul rilevamento, l'ecosistema Ultralytics consente di passare dal rilevamento degli oggetti alla segmentazione di istanze e alla stima della posa.

from ultralytics import RTDETR, YOLO

# Addestra un modello YOLOv9 su dati personalizzati
model_yolo = YOLO("yolov9c.pt")
model_yolo.train(data="coco8.yaml", epochs=50, imgsz=640)

# Passa facilmente a RT-DETR per valutare scene complesse
model_rtdetr = RTDETR("rtdetr-l.pt")
results = model_rtdetr.predict("https://ultralytics.com/images/bus.jpg")

# Esporta in formati pronti per la produzione, come TensorRT
model_yolo.export(format="engine")

Grazie alla documentazione completa, al monitoraggio automatico degli esperimenti e all'esportazione in formati come ONNX, TensorRT e OpenVINO, Ultralytics accorcia il percorso dal prototipo alla produzione.

Casi d'uso ideali#

Dove RTDETRv2 dà il meglio#

Grazie al meccanismo di attenzione globale, RTDETRv2 è adatto all'elaborazione lato server e agli ambienti in cui il contesto globale è importante. Offre buone prestazioni in:

  • Imaging medico: individuazione di anomalie impercettibili, per le quali il contesto circostante è fondamentale.
  • Sorveglianza aerea: analisi di riprese ad alta risoluzione effettuate con droni, in cui un ampio contesto spaziale aiuta a interpretare la scena.
  • Analisi di folle dense: rilevamento delle persone in scene affollate, dove NMS può sopprimere rilevamenti reali sovrapposti.

Dove YOLOv9 dà il meglio#

YOLOv9 è particolarmente adatto alle distribuzioni edge con risorse limitate. La sua efficienza computazionale è utile per:

  • Robotica: navigazione in tempo reale ed evitamento degli ostacoli, quando è necessaria una latenza minima.
  • IoT per le smart city: implementazione su dispositivi edge come NVIDIA Jetson per il monitoraggio del traffico.
  • Ispezione industriale: controllo qualità ad alta velocità sulle linee di assemblaggio, che richiede un elevato numero di fotogrammi al secondo (FPS).

Il futuro: arriva Ultralytics YOLO26#

YOLOv9 e RTDETRv2 hanno entrambi rappresentato progressi importanti e il settore ha continuato a evolversi. Per le nuove distribuzioni, Ultralytics YOLO26, rilasciato a gennaio 2026, combina idee di entrambi gli approcci architetturali.

YOLO26 riunisce i punti di forza dei Transformer e delle CNN:

  • Progettazione end-to-end senza NMS: come RTDETRv2, YOLO26 supporta l'inferenza nativa end-to-end e, con la sua testa opzionale one-to-one (nms=False), salta la post-elaborazione NMS per pipeline di distribuzione più rapide, semplici e prevedibili.
  • Ottimizzatore MuSGD: ispirato alle tecniche di addestramento dei modelli linguistici di grandi dimensioni (LLM), come Kimi K2 di Moonshot AI, YOLO26 usa un ibrido di SGD e Muon per un addestramento più stabile e una convergenza più rapida.
  • Inferenza su CPU fino al 43% più veloce: YOLO26n è fino al 43% più veloce di YOLO11n su CPU, risultando adatto all'edge computing e ai dispositivi senza GPU, dove i Transformer più pesanti faticano.
  • Rimozione della DFL: eliminare la Distribution Focal Loss semplifica il grafo del modello, agevolando l'esportazione verso dispositivi edge a basso consumo e unità di elaborazione neurale (NPU) integrate.
  • ProgLoss + STAL: Progressive Loss e Small-Target-Aware Label Assignment (STAL) migliorano il riconoscimento degli oggetti piccoli, importante per l'IoT e i dataset aerei.

Per i team che iniziano un nuovo progetto di visione artificiale, consigliamo di valutare YOLO26. Offre un'inferenza opzionale senza NMS, come un Transformer, con la velocità e l'efficienza di addestramento di un'architettura YOLO.

Riepilogo#

La scelta tra RTDETRv2 e YOLOv9 dipende in gran parte dall'hardware di distribuzione e dai requisiti specifici di accuratezza. RTDETRv2 offre elevata accuratezza e consapevolezza del contesto per le applicazioni supportate da server, mentre YOLOv9 garantisce un'efficienza elevata sui dispositivi edge.

L'ecosistema Ultralytics consente agli sviluppatori di sperimentare sia YOLOv9 sia RT-DETR originale usando la stessa API. I modelli più recenti, come YOLO11 e YOLO26, che supporta l'elaborazione end-to-end, offrono un supporto più ampio delle attività, inferenza rapida e consumi di memoria ridotti.

Commenti

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