YOLO26 vs RTDETRv2#

Chi lavora nel campo della visione artificiale spesso deve scegliere tra reti neurali convoluzionali (CNN) ottimizzate e architetture più recenti basate su Transformer. Due esempi di spicco sono Ultralytics YOLO26 e RTDETRv2 di Baidu. Entrambi sono progettati per il rilevamento di oggetti in tempo reale, ma si basano su approcci architetturali diversi.

Questa guida confronta le loro strutture, le metriche di prestazione e i casi d'uso ideali per aiutarti a scegliere la base migliore per il tuo prossimo progetto di visione artificiale.

Ultralytics YOLO26: AI visiva orientata all'edge#

Sviluppato da Ultralytics e rilasciato a gennaio 2026, YOLO26 è il modello YOLO più recente ed è la scelta consigliata per i nuovi progetti. È progettato per offrire velocità, accuratezza e facilità di distribuzione in ambienti cloud ed edge.

• Autori: Glenn Jocher e Jing Qiu
• Organizzazione: Ultralytics
• Data: 2026-01-14
• GitHub: Repository Ultralytics
• Documentazione: Documentazione ufficiale di YOLO26

Innovazioni e punti di forza architetturali#

YOLO26 introduce diverse funzionalità che lo distinguono non solo dai modelli Transformer, ma anche dalle versioni precedenti come YOLO11:

• Design end-to-end senza NMS: la testa one-to-one opzionale di YOLO26 (nms=False) salta la fase tradizionale di post-elaborazione della soppressione dei non massimi (NMS). Introdotto nei modelli YOLO da YOLOv10, questo approccio end-to-end riduce la variabilità della latenza di inferenza e semplifica la logica di distribuzione, soprattutto sull'hardware edge.
• Inferenza su CPU fino al 43% più veloce: YOLO26n è fino al 43% più veloce su CPU rispetto a YOLO11n, perciò è adatto ai dispositivi senza GPU dedicate, come Raspberry Pi.
• Rimozione di DFL: la rimozione della Distribution Focal Loss (DFL) semplifica il processo di esportazione e migliora la compatibilità con i dispositivi edge a basso consumo.
• Ottimizzatore MuSGD: portando nella visione artificiale idee di addestramento dei modelli linguistici di grandi dimensioni (LLM), YOLO26 utilizza l'ottimizzatore MuSGD. Questa combinazione ibrida di SGD e Muon, ispirata a Kimi K2 di Moonshot AI, offre un addestramento più stabile e una convergenza più rapida.
• ProgLoss + STAL: Progressive Loss e Small-Target-Aware Label Assignment (STAL) migliorano il riconoscimento degli oggetti piccoli. Questo è importante per i settori che si affidano all'analisi di immagini aeree e ai sensori dell'Internet delle cose (IoT).

Versatilità nelle attività di visione#

A differenza dei modelli limitati ai riquadri di delimitazione, YOLO26 supporta il rilevamento, la segmentazione di istanze, la segmentazione semantica, la stima della profondità, la classificazione, la stima della posa e il rilevamento OBB. Include miglioramenti specifici per ciascun compito, come la loss per la segmentazione semantica e il proto multiscala per la segmentazione di istanze, la stima della log-verosimiglianza residua (RLE) per la stima della posa e una loss angolare specializzata per risolvere i problemi ai bordi nei compiti con riquadri di delimitazione orientati (OBB).

RTDETRv2: miglioramento dei Transformer per il rilevamento in tempo reale#

RTDETRv2, sviluppato da ricercatori di Baidu, si basa sul framework RT-DETR originale. Il suo obiettivo è dimostrare che i Transformer per il rilevamento (DETR) possono competere con le CNN altamente ottimizzate, e talvolta superarle, in termini di velocità e accuratezza in scenari in tempo reale.

• Autori: Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang e Yi Liu
• Organizzazione: Baidu
• Data: 2024-07-24
• arXiv: 2407.17140
• GitHub: Implementazione di RTDETRv2 in PyTorch
• Documentazione: README di RTDETRv2

Architettura e funzionalità#

RTDETRv2 utilizza un'architettura basata su Transformer, che elabora le immagini in modo diverso dalle CNN grazie all'attenzione interna, capace di cogliere il contesto globale.

• Bag-of-Freebies: la versione v2 introduce una serie di tecniche di addestramento ottimizzate (bag-of-freebies) che migliorano le prestazioni di base senza aumentare i costi di inferenza.
• Consapevolezza del contesto globale: grazie ai suoi livelli di attenzione Transformer, RTDETRv2 gestisce scene complesse in cui il contesto globale è necessario per distinguere oggetti sovrapposti o occlusi.

Scopri di più su RTDETRv2

Limiti dei modelli Transformer#

I modelli di rilevamento basati su Transformer come RTDETRv2 spesso incontrano difficoltà nella distribuzione pratica. In genere richiedono più memoria CUDA durante l'addestramento rispetto alle CNN efficienti, e le operazioni necessarie ai livelli di attenzione possono rendere più difficile l'integrazione in diversi ambienti edge. Per le distribuzioni con risorse limitate, le CNN come YOLO26 sono di solito più facili da distribuire.

Confronto delle prestazioni#

La tabella seguente confronta l'accuratezza (mAP), la velocità e le dimensioni dei modelli sul set di validazione COCO.

A parità di dimensioni, YOLO26 ha una mAP superiore e una latenza TensorRT inferiore rispetto a RTDETRv2. YOLO26x raggiunge una mAP di 57,5 con una latenza inferiore (11,8 ms su TensorRT) e meno parametri (55,7 M) rispetto a RTDETRv2-x (mAP 54,3, 15,03 ms, 76 M di parametri).

Casi d'uso e consigli#

La scelta tra YOLO26 e RT-DETR dipende dai requisiti specifici del tuo progetto, dai vincoli di distribuzione e dalle preferenze relative all'ecosistema.

Quando scegliere YOLO26#

YOLO26 è un'ottima scelta per:

• 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.

Quando scegliere RT-DETR#

RT-DETR è consigliato 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.

I vantaggi di Ultralytics#

Scegliere l'architettura giusta è solo una parte dell'equazione: è l'ecosistema circostante a determinare quanto rapidamente un team possa passare dalla prototipazione alla produzione.

Facilità d'uso ed efficienza dell'addestramento#

L'API Python di Ultralytics mantiene conciso il codice di addestramento, senza boilerplate prolisso. Inoltre, YOLO26 in genere usa meno memoria VRAM della GPU rispetto ai livelli di attenzione di RTDETRv2, che richiedono molta memoria, consentendo batch size maggiori sull'hardware di fascia consumer.

from ultralytics import YOLO

# Inizializza il modello YOLO26 Nano
model = YOLO("yolo26n.pt")

# Addestra sul dataset COCO8 per 100 epoche
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Esegui inferenze ad alta velocità senza NMS
predictions = model("https://ultralytics.com/images/bus.jpg", nms=False)

# Esporta in ONNX per la distribuzione
model.export(format="onnx")

Un ecosistema sottoposto a manutenzione costante#

I modelli Ultralytics sono supportati da un framework mantenuto attivamente e integrato con strumenti di monitoraggio degli esperimenti come Weights & Biases e Comet. Per lavorare senza codice, la piattaforma Ultralytics offre addestramento cloud, gestione dei dataset e distribuzione dei modelli.

Equilibrio delle prestazioni#

YOLO26 bilancia velocità di inferenza e accuratezza. L'inferenza opzionale senza NMS, l'ottimizzatore MuSGD e ProgLoss + STAL producono un modello preciso sugli oggetti piccoli e veloce in produzione, rendendolo un'ottima scelta predefinita per la maggior parte delle applicazioni di visione artificiale.

Altri modelli dell'ecosistema#

Chi gestisce pipeline esistenti può prendere in considerazione anche YOLOv8 per gli ambienti aziendali consolidati, oppure scoprire come YOLO26 si confronta con EfficientDet. Per i nuovi progetti, YOLO26 è la scelta consigliata.