YOLOv10 vs RTDETRv2#

La computer vision evolve rapidamente e le nuove architetture innalzano regolarmente il livello raggiunto nel rilevamento degli oggetti in tempo reale. Due tappe importanti sono YOLOv10 e RTDETRv2. Entrambi i modelli eliminano un collo di bottiglia delle pipeline di rilevamento tradizionali, rimuovendo la necessità della post-elaborazione tramite soppressione dei non massimi (NMS), ma affrontano questa sfida con architetture completamente diverse.

Questo confronto tecnico analizza le architetture, le metodologie di addestramento e gli scenari di distribuzione ideali, per aiutare sviluppatori e ricercatori a scegliere lo strumento adatto al loro prossimo progetto di IA visiva.

YOLOv10: rilevamento in tempo reale senza NMS#

Sviluppato dai ricercatori della Tsinghua University, YOLOv10 si concentra sull'efficienza architetturale e sull'eliminazione dei colli di bottiglia della post-elaborazione. Introducendo assegnazioni doppie coerenti per l'addestramento senza NMS, raggiunge una precisione competitiva con una latenza di inferenza inferiore.

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#

Il contributo principale di YOLOv10 è la progettazione olistica del modello, guidata da efficienza e precisione. Ottimizza vari componenti da entrambe le prospettive, riducendo il carico computazionale. La strategia delle assegnazioni doppie coerenti consente al modello di addestrarsi senza fare affidamento su NMS e si traduce in una pipeline di distribuzione end-to-end semplificata. Questo è particolarmente utile quando esporti i modelli in formati edge come ONNX o TensorRT, in cui le operazioni di post-elaborazione possono introdurre latenze impreviste.

Punti di forza e debolezze#

Il modello offre un ottimo compromesso tra velocità e precisione, soprattutto nelle varianti più piccole (N e S). La bassa latenza lo rende ideale per gli ambienti edge ad alta velocità. Tuttavia, sebbene YOLOv10 eccella nella velocità di rilevamento grezza, resta un modello specializzato esclusivamente nel rilevamento. I team che necessitano di segmentazione delle istanze o 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 usa un'architettura ibrida che combina un backbone a rete neurale convoluzionale (CNN) per estrarre feature visive con un encoder-decoder Transformer per comprendere la scena nel suo complesso. Il meccanismo di self-attention del Transformer consente al modello di considerare l'immagine globalmente, rendendolo efficace nella gestione di scene complesse, oggetti sovrapposti e folle dense.

Punti di forza e debolezze#

L'architettura Transformer offre un'eccellente precisione, soprattutto con un numero maggiore di parametri, e produce nativamente i rilevamenti finali senza NMS. Tuttavia, questo comporta un costo. Tradizionalmente, i modelli Transformer richiedono più memoria CUDA durante l'addestramento 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:

YOLOv10 offre un netto vantaggio in termini di efficienza dei parametri e velocità di inferenza con TensorRT a parità di dimensioni, mentre RTDETRv2 è leggermente più preciso alle scale s, m e l (per esempio, 48,1 contro 46,3 mAP per i modelli s, a 5,03 ms contro 2,49 ms). RTDETRv2-x eguaglia YOLOv10x in precisione (54,3 contro 54,4 mAP), ma richiede più di 2,5 volte i parametri (76M contro 29,5M) e un numero maggiore di FLOPs (259B contro 160,4B).

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 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.

Il vantaggio di Ultralytics: ecosistema e innovazione#

YOLOv10 e RTDETRv2 sono entrambi rilevatori capaci, ma spesso la scelta del modello dipende dall'ecosistema software che lo circonda. La Ultralytics Platform offre un'interfaccia unificata che nasconde gran parte della complessità dei flussi di lavoro di deep learning.

Il nuovo standard: Ultralytics YOLO26#

Per gli sviluppatori che cercano le massime prestazioni, Ultralytics YOLO26 riunisce i recenti progressi architetturali. Rilasciato a gennaio 2026, YOLO26 eredita il design end-to-end senza NMS di YOLOv10 come testa opzionale (nms=False), eliminando la post-elaborazione NMS per una distribuzione più veloce e semplice.

Inoltre, YOLO26 introduce ProgLoss + STAL per migliorare notevolmente il riconoscimento degli oggetti piccoli e, a differenza di YOLOv10, che si limita al rilevamento, supporta il rilevamento degli oggetti, la segmentazione delle istanze, la segmentazione semantica, la stima della profondità, la classificazione delle immagini, la stima della posa e le bounding box orientate (OBB), con miglioramenti specifici per attività come una loss per la segmentazione semantica e la stima della log-verosimiglianza residua (RLE) per la posa. La rimozione della Distribution Focal Loss (DFL) semplifica anche l'esportazione e migliora la compatibilità con i dispositivi a basso consumo.

Facilità d'uso ed efficienza dell'addestramento#

Che tu lavori con modelli precedenti come Ultralytics YOLO11 o con il più recente YOLO26, l'API Python mantiene basso l'uso della memoria durante l'addestramento e semplifica i flussi di lavoro. La stessa API supporta anche YOLOv10 e RT-DETR:

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 attivamente offre strumenti per una facile ottimizzazione degli iperparametri e si integra con gli strumenti di monitoraggio degli esperimenti e le opzioni di distribuzione dei modelli.

Conclusione#

YOLOv10 e RTDETRv2 sono entrambi traguardi importanti nel rilevamento degli oggetti senza NMS. RTDETRv2 dimostra che i Transformer possono raggiungere latenze in tempo reale comprendendo in modo eccellente il contesto globale, seppure con requisiti di memoria superiori. YOLOv10 offre un'alternativa CNN efficiente e veloce, pensata per attività di rilevamento con risorse limitate.

Per ottenere prestazioni equilibrate, versatilità multi-task e un ecosistema maturo, consigliamo Ultralytics YOLO26. Combina le idee architetturali dei predecessori con strumenti intuitivi che semplificano la distribuzione dell'IA visiva.