YOLOv10 vs RTDETRv2#

Il panorama della visione artificiale evolve a ritmo vertiginoso, con nuove architetture che ridefiniscono continuamente lo stato dell’arte nel rilevamento di oggetti in tempo reale. Due tappe importanti di questa evoluzione sono YOLOv10 e RTDETRv2. Entrambi i modelli mirano a risolvere un collo di bottiglia fondamentale delle pipeline di rilevamento tradizionali, eliminando la necessità della post-elaborazione con soppressione dei massimi non locali (NMS); tuttavia, affrontano questa sfida con paradigmi architetturali completamente diversi.

Questo confronto tecnico analizza in profondità le architetture, le metodologie di addestramento e gli scenari di distribuzione ideali dei due modelli, per aiutare sviluppatori e ricercatori a scegliere lo strumento giusto per il loro prossimo progetto di AI per la visione.

YOLOv10: il pioniere senza NMS#

Sviluppato da ricercatori della Tsinghua University, YOLOv10 si concentra sull’efficienza architetturale e sull’eliminazione dei colli di bottiglia della post-elaborazione. Introducendo assegnazioni duali coerenti per l’addestramento senza NMS, raggiunge prestazioni competitive riducendo al contempo in modo significativo la latenza di inferenza.

Specifiche tecniche#

• Autori: Ao Wang, Hui Chen, Lihao Liu, et al.
• Organizzazione: Università Tsinghua
• Data: 2024-05-23
• ArXiv: Articolo su YOLOv10
• GitHub: THU-MIG/yolov10
• Documentazione: Documentazione di YOLOv10

Architettura e metodologie#

La principale innovazione di YOLOv10 è la progettazione del modello olistica e orientata all’efficienza e alla precisione. Ottimizza diversi componenti da entrambi i punti di vista, riducendo notevolmente il sovraccarico computazionale. La strategia di assegnazioni duali coerenti consente al modello di essere addestrato senza affidarsi a NMS, dando vita a una pipeline di distribuzione end-to-end semplificata. Ciò è particolarmente utile quando si esportano i modelli in formati per l’edge come ONNX o TensorRT, nei quali le operazioni di post-elaborazione possono introdurre una latenza imprevista.

Punti di forza e debolezze#

Il modello offre un compromesso velocità-precisione eccezionale, soprattutto nelle varianti più piccole (N e S). La latenza minima lo rende ideale per gli ambienti edge ad alta velocità. Tuttavia, YOLOv10 eccelle nella velocità pura di rilevamento, ma resta un modello specializzato esclusivamente nel rilevamento. I team che necessitano della segmentazione delle istanze o della stima della posa dovranno orientarsi verso framework più versatili.

Scopri di più su YOLOv10

RTDETRv2: perfezionamento del Transformer per il rilevamento#

Basato sul Transformer originale per il rilevamento in tempo reale, RTDETRv2 incorpora una «raccolta di vantaggi gratuiti» per migliorare il modello di base, dimostrando che i Transformer possono competere con le CNN negli scenari in tempo reale.

Specifiche tecniche#

• Autori: Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang e Yi Liu
• Organizzazione: Baidu
• Data: 2024-07-24
• ArXiv: Articolo su RTDETRv2
• GitHub: lyuwenyu/RT-DETR
• Documentazione: README di RTDETRv2

Architettura e metodologie#

RTDETRv2 utilizza un’architettura ibrida, combinando un backbone di rete neurale convoluzionale (CNN) per l’estrazione delle feature visive con un encoder-decoder Transformer per una comprensione completa della scena. Il meccanismo di autoattenzione del Transformer consente al modello di analizzare globalmente l’immagine, rendendolo molto efficace nella gestione di scene complesse, oggetti sovrapposti e folle dense.

Punti di forza e debolezze#

L'architettura Transformer offre un'eccellente accuratezza, in particolare con un numero elevato di parametri, e produce nativamente le rilevazioni finali senza NMS. Tuttavia, questo comporta un costo. Durante l'addestramento, i modelli Transformer richiedono tradizionalmente molta più memoria CUDA e possono convergere più lentamente rispetto alle architetture CNN pure. Sebbene RTDETRv2 abbia migliorato la velocità di inferenza, in genere consuma più memoria delle varianti YOLO leggere.

Scopri di più su RTDETRv2

Confronto delle prestazioni#

La valutazione delle metriche di prestazione offre un quadro più chiaro dei punti di forza di ciascun modello. La tabella seguente ne mette in evidenza le capacità sul dataset COCO:

Analizzando i dati, YOLOv10 mantiene un netto vantaggio in termini di efficienza dei parametri e velocità di inferenza TensorRT a parità di dimensioni. RTDETRv2-x raggiunge l'accuratezza di YOLOv10x, ma richiede oltre 2,5 volte il numero di parametri (76M contro 29,5M) e un numero di FLOPs significativamente superiore.

Casi d'uso e consigli#

La scelta tra YOLOv10 e RT-DETR dipende dai requisiti specifici del tuo progetto, dai vincoli di distribuzione e dalle tue preferenze in fatto di ecosistema.

Quando scegliere YOLOv10#

YOLOv10 è una scelta valida per:

• Rilevamento in tempo reale senza NMS: applicazioni che traggono vantaggio dal rilevamento end-to-end senza soppressione non massima, riducendo la complessità della distribuzione.
• Compromesso equilibrato tra velocità e precisione: progetti che richiedono un buon equilibrio tra velocità di inferenza e precisione di rilevamento con modelli di diverse dimensioni.
• Applicazioni con latenza costante: scenari di distribuzione in cui i tempi di inferenza prevedibili sono fondamentali, ad esempio nella robotica o nei sistemi autonomi.

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.

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 con sola CPU: dispositivi senza accelerazione GPU dedicata, sui quali l'inferenza su CPU di YOLO26, fino al 43% più veloce, offre un vantaggio decisivo.
• Rilevamento di oggetti di piccole dimensioni: scenari complessi come le immagini aeree acquisite da droni o l'analisi dei sensori IoT, in cui ProgLoss e STAL migliorano notevolmente la precisione sugli oggetti molto piccoli.

Il vantaggio di Ultralytics: ecosistema e innovazione#

Sebbene YOLOv10 e RTDETRv2 offrano solide capacità di rilevamento, la scelta di un modello dipende spesso anche dall'ecosistema software che lo circonda. La Ultralytics Platform offre un'interfaccia unificata e intuitiva che elimina le complessità del deep learning.

Il nuovo standard: Ultralytics YOLO26#

Per gli sviluppatori che cercano le massime prestazioni, Ultralytics YOLO26 rappresenta il culmine dei recenti progressi architetturali. Rilasciato all'inizio del 2026, YOLO26 eredita il design end-to-end senza NMS introdotto da YOLOv10 come opzione (nms=False), eliminando la post-elaborazione NMS per una distribuzione più rapida e semplice.

Inoltre, YOLO26 introduce ProgLoss + STAL per migliorare notevolmente il riconoscimento degli oggetti piccoli e, a differenza di YOLOv10, specializzato in un solo ambito, offre una versatilità eccezionale. Supporta nativamente il rilevamento di oggetti, la segmentazione, la stima della posa e i riquadri di delimitazione orientati (OBB), con miglioramenti specifici per ogni attività, come la loss per la segmentazione semantica e la stima della log-verosimiglianza residua (RLE) per la posa. Inoltre, la rimozione della Distribution Focal Loss (DFL) semplifica l'esportazione e migliora la compatibilità con i dispositivi a basso consumo.

Facilità d'uso ed efficienza dell'addestramento#

Che tu stia sperimentando modelli di generazioni precedenti come Ultralytics YOLO11 o il più recente YOLO26, l'API Python ottimizzata garantisce un minore utilizzo di memoria durante l'addestramento e flussi di lavoro estremamente rapidi.

from ultralytics import RTDETR, YOLO

# Addestra il modello YOLOv10 end-to-end
model_yolo = YOLO("yolov10n.pt")
model_yolo.train(data="coco8.yaml", epochs=100, imgsz=640)

# In alternativa, valuta RTDETR con la stessa API
model_rtdetr = RTDETR("rtdetr-l.pt")
results = model_rtdetr.predict("https://ultralytics.com/images/bus.jpg")

L'ecosistema, mantenuto con cura, offre strumenti per una facile ottimizzazione degli iperparametri e si integra perfettamente con soluzioni di tracking complete e opzioni di distribuzione dei modelli.

Conclusione#

YOLOv10 e RTDETRv2 sono entrambi traguardi importanti nella ricerca di un rilevamento di oggetti senza NMS. RTDETRv2 dimostra che i Transformer possono raggiungere una latenza in tempo reale e comprendere molto bene il contesto globale, sebbene richiedano più memoria. YOLOv10 offre un'alternativa CNN efficiente e veloce, pensata per le attività di rilevamento con risorse limitate.

Tuttavia, per ottenere prestazioni equilibrate, versatilità multi-task e l'ecosistema più maturo, gli sviluppatori sono invitati a sfruttare Ultralytics YOLO26. Il modello unisce efficacemente le innovazioni architetturali dei suoi predecessori agli strumenti affidabili e intuitivi che rendono la distribuzione dell'IA per la visione una realtà semplice.