YOLOv5 vs RTDETRv2
Il panorama della visione artificiale si è ampliato notevolmente negli ultimi anni, offrendo agli sviluppatori numerose architetture per affrontare attività visive complesse. Tra i paradigmi più diffusi ci sono le reti neurali convoluzionali (CNN) e i Transformer per il rilevamento (DETR), entrambi inclusi in una panoramica dei migliori modelli di rilevamento degli oggetti.
Questa guida presenta un confronto tecnico tra due modelli influenti di queste categorie: Ultralytics YOLOv5, un modello basato su CNN molto efficiente e ampiamente adottato, e RTDETRv2, un rilevatore di oggetti in tempo reale basato su Transformer.
Ultralytics YOLOv5: lo standard del settore per l'efficienza#
Dal suo rilascio, Ultralytics YOLOv5 è diventato un pilastro della community AI, alimentando migliaia di applicazioni commerciali e progetti di ricerca in tutto il mondo. Basato interamente sul framework PyTorch, ha dato priorità a un'esperienza di sviluppo intuitiva senza compromettere le prestazioni in tempo reale.
Caratteristiche principali:
- Autore: Glenn Jocher
- Organizzazione: Ultralytics
- Data: 2020-06-26
- Link: Repository GitHub
Architettura e punti di forza#
YOLOv5 utilizza un'architettura CNN snella, progettata per massimizzare l'efficienza dell'estrazione delle feature mantenendo un ingombro di memoria estremamente ridotto. Impiega un backbone CSPDarknet e un collo PANet, creando una combinazione potente per la fusione di feature a più scale.
Uno dei principali vantaggi di YOLOv5 è il suo equilibrio prestazionale. Offre un buon compromesso tra velocità e accuratezza, rendendolo una scelta ideale per la distribuzione dei modelli su hardware con risorse limitate, come i dispositivi NVIDIA Jetson e gli smartphone.
YOLOv5 offre anche ampia versatilità. A differenza dei modelli limitati alle sole previsioni dei riquadri di delimitazione, il repository originale di YOLOv5 supporta la segmentazione di istanze e la classificazione delle immagini, fornendo un framework unificato per diverse attività visive. Anche la sua efficienza di addestramento è elevata: richiede molta meno memoria CUDA durante l'addestramento rispetto alle architetture basate su Transformer.
Punti deboli#
Essendo un rilevatore basato su anchor, YOLOv5 si affida alla soppressione non massima (NMS) durante la post-elaborazione per eliminare i riquadri di delimitazione duplicati. Anche se è altamente ottimizzata nel framework Ultralytics, la NMS può talvolta creare colli di bottiglia nella latenza sulle NPU edge specializzate.
RTDETRv2: Transformer in tempo reale di Baidu#
RTDETRv2 (Transformer per il rilevamento in tempo reale v2) applica architetture Transformer al rilevamento di oggetti in tempo reale, affrontando le inefficienze computazionali che in passato hanno penalizzato i DETR standard.
Caratteristiche principali:
- Autori: Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang e Yi Liu
- Organizzazione: Baidu
- Data: 2024-07-24
- Link: Articolo su arXiv, Repository GitHub
Architettura e punti di forza#
RTDETRv2 si basa sul predecessore e usa un encoder ibrido e un decoder flessibile per elaborare le immagini. Il meccanismo di self-attention del Transformer fornisce al modello una comprensione globale del contesto dell'immagine, consentendogli di funzionare bene nelle scene complesse con forte occlusione degli oggetti.
Una caratteristica distintiva di RTDETRv2 è il design end-to-end senza NMS. Prevedendo direttamente le query degli oggetti senza richiedere riquadri di ancoraggio o la post-elaborazione NMS, semplifica la pipeline di inferenza. Questa architettura raggiunge un'elevata mAP (precisione media) su dataset di benchmark come COCO.
Punti deboli#
Nonostante le capacità in tempo reale, RTDETRv2 ha requisiti di memoria nettamente superiori rispetto ai modelli YOLO. Nei Transformer, i meccanismi di attenzione scalano in modo quadratico rispetto alla lunghezza della sequenza e possono causare errori di memoria esaurita durante l'addestramento ad alta risoluzione su GPU con memoria limitata. Inoltre, non offre la versatilità immediata dell'ecosistema Ultralytics e si concentra principalmente sul rilevamento di oggetti 2D, senza supporto nativo per la segmentazione o la stima della posa.
Tabella di confronto delle prestazioni#
La tabella seguente confronta le metriche di prestazione di entrambe le architetture. I valori evidenziati in grassetto rappresentano le metriche più efficienti o con le prestazioni migliori alle scale testate.
| Modello | dimensione (pixel) | mAPval50-95 | Velocità CPU ONNX (ms) | Velocità T4 TensorRT10 (ms) | parametri (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLOv5n | 640 | 28.0 | - | 1.12 | 1.9 | 4.5 |
| YOLOv5s | 640 | 37.4 | - | 1.92 | 7.2 | 16.5 |
| YOLOv5m | 640 | 45.4 | - | 4.03 | 21.2 | 49.0 |
| YOLOv5l | 640 | 49.0 | - | 6.61 | 46.5 | 109.1 |
| YOLOv5x | 640 | 50.7 | - | 11.89 | 86.7 | 205.7 |
| 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 |
RTDETRv2-x raggiunge il mAP assoluto più alto, ma richiede circa 40 volte i parametri di YOLOv5n. Per le applicazioni ad alta velocità eseguite su hardware limitato, i modelli Ultralytics più piccoli comportano un costo computazionale molto inferiore.
I vantaggi dell’ecosistema Ultralytics#
Quando si passa da un notebook di ricerca a un ambiente di produzione, il software che circonda il modello è importante quanto l'architettura della rete neurale. L'ecosistema ben gestito offerto da Ultralytics accelera il ciclo di sviluppo.
Facilità d'uso#
I modelli Ultralytics danno priorità a un'esperienza d'uso semplice. Che tu voglia addestrare un modello personalizzato, eseguire la convalida o esportare in formati specifici per l'hardware come TensorRT o ONNX, la API Python di Ultralytics ti permette di farlo con poche righe di codice.
Ecco un esempio pratico di codice che mostra quanto sia semplice addestrare un modello Ultralytics ed eseguire inferenze:
from ultralytics import YOLO
# Inizializza il modello (i pesi vengono scaricati automaticamente)
model = YOLO("yolov5su.pt") # YOLOv5u: pesi YOLOv5 anchor-free per il pacchetto ultralytics
# Addestra il modello sul dataset COCO8
results = model.train(data="coco8.yaml", epochs=50, imgsz=640, device="cpu")
# Esegui l’inferenza su un’immagine online
inference_results = model.predict("https://ultralytics.com/images/bus.jpg")
# Visualizza l’immagine risultante con i riquadri di delimitazione
inference_results[0].show()Questa API semplice e unificata supporta in modo nativo le integrazioni per il tracciamento degli esperimenti con strumenti come Weights & Biases e Comet, consentendo agli sviluppatori di registrare le metriche senza scrivere codice boilerplate.
Casi d'uso e consigli#
La scelta tra YOLOv5 e RT-DETR dipende dai requisiti specifici del tuo progetto, dai vincoli di distribuzione e dalle preferenze relative all’ecosistema.
Quando scegliere YOLOv5#
YOLOv5 è un'ottima scelta per:
- Sistemi di produzione collaudati: distribuzioni esistenti in cui contano la lunga esperienza di stabilità di YOLOv5, la documentazione esaustiva e l'ampia community.
- Addestramento con risorse limitate: ambienti con risorse GPU limitate, in cui la pipeline di addestramento efficiente e i requisiti di memoria ridotti di YOLOv5 sono vantaggiosi.
- Ampio supporto dei formati di esportazione: progetti che richiedono la distribuzione in numerosi formati, tra cui ONNX, TensorRT, CoreML e LiteRT.
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 solo CPU: dispositivi senza accelerazione GPU dedicata, sui quali YOLO26n è fino al 43% più veloce di YOLO11n su CPU.
- Rilevamento di oggetti piccoli: scenari impegnativi come le immagini aeree da droni o l'analisi dei sensori IoT, in cui ProgLoss e STAL migliorano la precisione sugli oggetti minuscoli.
Uno sguardo al futuro: YOLO11 e YOLO26#
Se oggi stai avviando un nuovo progetto di visione artificiale, prendi in considerazione le generazioni più recenti di modelli Ultralytics.
Anche se YOLOv5 rimane affidabile, YOLO11 offre una precisione superiore e una gamma più ampia di attività, tra cui il rilevamento di bounding box orientati (OBB).
YOLO26 si spinge oltre combinando i punti di forza di entrambi gli approcci. Offre un design end-to-end senza NMS opzionale (nms=False, introdotto nei modelli YOLO da YOLOv10) che elimina il passaggio di post-processing NMS mantenendo l'efficienza di una CNN. YOLO26 introduce anche l'ottimizzatore MuSGD, ispirato alle innovazioni nell'addestramento degli LLM, per una convergenza più rapida. Con la rimozione di DFL (Distribution Focal Loss rimossa per semplificare l'esportazione e migliorare la compatibilità con i dispositivi edge e a basso consumo), YOLO26n offre un'inferenza CPU fino al 43% più veloce rispetto a YOLO11n, rendendo YOLO26 un'ottima scelta per l'AI edge. Inoltre, ProgLoss + STAL (Progressive Loss e assegnazione delle etichette attenta agli oggetti piccoli) migliora notevolmente il riconoscimento degli oggetti piccoli, aspetto fondamentale per IoT, robotica e immagini aeree.
Conclusione#
La scelta tra YOLOv5 e RTDETRv2 dipende in larga misura dai vincoli di distribuzione. RTDETRv2 raggiunge un mAP elevato grazie ai meccanismi di attenzione dei Transformer, ma comporta costi maggiori in termini di memoria e risorse computazionali.
Al contrario, Ultralytics YOLOv5 offre una soluzione collaudata, altamente ottimizzata e versatile, che funziona in modo efficiente dai server cloud ai dispositivi edge. Per i team che cercano una precisione superiore insieme a strumenti di distribuzione maturi, l'aggiornamento a YOLO26 all'interno dell'ecosistema Ultralytics è la scelta consigliata per le moderne applicazioni di IA per la visione.
Commenti
Fai una domanda, condividi i tuoi risultati o aiuta qualcun altro.