Inizia

YOLOv9 vs RTDETRv2

Il panorama del rilevamento degli oggetti in tempo reale è cambiato notevolmente negli ultimi anni. Oggi il settore è guidato da due approcci architetturali distinti: le efficienti reti neurali convoluzionali (CNN) e i Transformer di rilevamento in tempo reale (DETR). YOLOv9 e RTDETRv2 sono esempi di spicco di questi due approcci.

Questa guida confronta i due modelli e ne analizza le innovazioni architetturali, le metriche prestazionali e gli scenari di deployment ideali, per aiutarti a scegliere il modello giusto per la tua pipeline di computer vision.

Riepilogo esecutivo#

Entrambi i modelli ottengono ottimi risultati, ma sono pensati per vincoli di deployment ed ecosistemi di sviluppo diversi.

  • Scegli YOLOv9 se: hai bisogno di un utilizzo efficiente dei parametri e di un'inferenza rapida sui dispositivi edge. YOLOv9 si concentra sull'efficienza dei parametri nelle CNN e risulta quindi adatto agli ambienti con risorse computazionali molto limitate.
  • Scegli RTDETRv2 se: ti serve la modellazione del contesto globale offerta dai Transformer, soprattutto in scene con forte occlusione o relazioni complesse tra gli oggetti, e disponi dell'hardware necessario per supportare un'architettura leggermente più pesante.
  • Scegli YOLO26 (consigliato) se: vuoi un'inferenza senza NMS mantenendo l'efficienza delle CNN. Essendo la generazione più recente disponibile su Ultralytics Platform, YOLO26 offre un design end-to-end senza NMS opzionale (nms=False, simile ai modelli DETR) che elimina i colli di bottiglia della post-elaborazione; inoltre, YOLO26n offre un'inferenza su CPU fino al 43% più veloce di YOLO11n.

Specifiche tecniche e autori#

Comprendere le origini e le finalità progettuali di questi modelli aiuta a contestualizzare le loro scelte architetturali.

YOLOv9#

Scopri di più su YOLOv9

RTDETRv2#

Scopri di più su RTDETRv2

Innovazioni architetturali#

YOLOv9: risolvere il collo di bottiglia informativo#

YOLOv9 introduce due importanti innovazioni progettate per affrontare la perdita di informazioni durante il passaggio dei dati attraverso le reti neurali profonde:

  1. Informazioni programmabili sul gradiente (PGI): Questo framework di supervisione ausiliaria aiuta a generare gradienti affidabili per aggiornare i pesi della rete, preservando informazioni cruciali sulle caratteristiche anche nei livelli più profondi della rete neurale.
  2. Rete efficiente generalizzata di aggregazione dei livelli (GELAN): Un'architettura che combina i punti di forza di CSPNet ed ELAN. GELAN ottimizza l'efficienza dei parametri, consentendo a YOLOv9 di raggiungere una maggiore accuratezza con meno FLOPs rispetto alle CNN tradizionali.

RTDETRv2: Transformers in tempo reale più efficaci#

Basato sull'originale RT-DETR, RTDETRv2 usa un'architettura basata su Transformer che evita intrinsecamente la necessità della soppressione dei non massimi (NMS). I suoi miglioramenti includono:

  1. Strategia Bag-of-Freebies: L'iterazione v2 integra tecniche di addestramento e aumenti dei dati aggiuntivi che migliorano l'accuratezza senza aggiungere latenza in inferenza.
  2. Encoder ibrido efficiente: Elaborando le caratteristiche multiscala tramite un meccanismo di attenzione disaccoppiato intra-scala e inter-scala, RTDETRv2 gestisce l'elevato costo computazionale tradizionalmente associato ai Vision Transformer.
Rilevamento nativo end-to-end

Mentre RTDETRv2 usa i Transformer per il rilevamento senza NMS, la più recente architettura YOLO26 ottiene questo risultato con una testa opzionale one-to-one (nms=False) all'interno di una struttura CNN efficiente, offrendo una distribuzione altrettanto snella e inferenza edge più veloce.

Confronto delle prestazioni#

Quando valuti i modelli per la produzione, è fondamentale considerare il compromesso tra accuratezza e requisiti computazionali. La tabella seguente illustra le prestazioni di modelli di diverse dimensioni su benchmark standard.

Modellodimensione
(pixel)
mAPval50-95Velocità
CPU ONNX
(ms)
Velocità
T4 TensorRT10
(ms)
parametri
(M)
FLOPs
(B)
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
RTDETRv2-s64048.1-5.032060
RTDETRv2-m64051.9-7.5136100
RTDETRv2-l64053.4-9.7642136
RTDETRv2-x64054.3-15.0376259

Analisi#

Come mostrano i dati, YOLOv9 ha un chiaro vantaggio in termini di efficienza dei parametri. Il modello YOLOv9c raggiunge 53.0 mAP con soli 25.5M di parametri.

Al contrario, RTDETRv2 è molto competitivo nelle categorie di modelli medio-grandi e RTDETRv2-s è più accurato di YOLOv9s. Tuttavia, questo comporta un numero maggiore di parametri e più FLOPs, caratteristiche tipiche dei modelli Transformer. Questa differenza architetturale incide anche sull'uso della memoria: i modelli YOLO richiedono in genere molta meno memoria CUDA durante l'addestramento e l'inferenza rispetto ai modelli basati su Transformer.

I vantaggi di Ultralytics: ecosistema e versatilità#

Le metriche puramente architetturali sono importanti, ma spesso è l'ecosistema software a determinare il successo di un progetto AI. Accedere a questi modelli tramite la API Python di Ultralytics offre vantaggi pratici.

Addestramento e distribuzione semplificati#

L'addestramento di un Detection Transformer richiede in genere file di configurazione complessi e GPU di fascia alta. Usando il framework Ultralytics, gli sviluppatori possono addestrare sia i modelli YOLOv9 sia quelli RT-DETR con la stessa sintassi semplice, beneficiando di pipeline di addestramento efficienti e pesi preaddestrati facilmente disponibili.

from ultralytics import RTDETR, YOLO

# Addestra un modello YOLOv9
model_yolo = YOLO("yolov9c.pt")
model_yolo.train(data="coco8.yaml", epochs=100, imgsz=640)

# Addestra un modello RTDETR usando esattamente la stessa API
model_rtdetr = RTDETR("rtdetr-l.pt")
model_rtdetr.train(data="coco8.yaml", epochs=100, imgsz=640)

# Esporta i modelli in OpenVINO o TensorRT
model_yolo.export(format="openvino")

Versatilità delle attività#

Un limite importante dei modelli specializzati come RTDETRv2 è la loro attenzione circoscritta al rilevamento di riquadri di delimitazione. Al contrario, l'ecosistema Ultralytics più ampio, che comprende modelli come YOLO11 e YOLOv8, supporta un'ampia gamma di attività di computer vision. Tra queste rientrano la segmentazione di istanze a livello di pixel, la classificazione dell'intera immagine, la stima della posa scheletrica e il rilevamento di riquadri di delimitazione orientati (OBB) nelle immagini aeree.

Applicazioni nel mondo reale#

Analisi edge ad alta velocità#

Per gli ambienti di vendita al dettaglio o le linee di produzione che richiedono il riconoscimento dei prodotti in tempo reale su dispositivi edge, YOLOv9 è la scelta migliore. La sua architettura GELAN offre un throughput elevato su hardware con risorse limitate, come la serie NVIDIA Jetson, consentendo il controllo qualità automatizzato senza ritardi significativi.

Analisi di scene complesse#

In scenari come il monitoraggio di folle dense o di incroci stradali complessi, dove gli oggetti si occludono spesso a vicenda, i meccanismi di attenzione globale di RTDETRv2 danno il meglio. La capacità del modello di ragionare nativamente sul contesto dell'intera immagine gli consente di mantenere un rilevamento e un tracciamento affidabili anche quando gli oggetti sono parzialmente nascosti.

Casi d'uso e consigli#

La scelta tra YOLOv9 e RT-DETR dipende dai requisiti specifici del tuo progetto, dai vincoli di distribuzione e dalle preferenze in fatto di ecosistema.

Quando scegliere YOLOv9#

YOLOv9 è una scelta valida per:

  • Ricerca sui colli di bottiglia informativi: progetti accademici che studiano le informazioni di gradiente programmabili (PGI) e le architetture di rete di aggregazione efficiente generalizzata dei livelli (GELAN).
  • Studi sull'ottimizzazione del flusso del gradiente: ricerche incentrate sulla comprensione e sulla riduzione della perdita di informazioni nei livelli delle reti profonde durante l'addestramento.
  • Benchmark di rilevamento ad alta precisione: scenari in cui le prestazioni di YOLOv9 nei benchmark COCO servono come riferimento per confrontare le architetture.

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 migliore combinazione 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 impegnativi come le immagini aeree da droni o l'analisi dei sensori IoT, in cui ProgLoss e STAL migliorano la precisione sugli oggetti minuscoli.

Il futuro: arriva YOLO26#

YOLOv9 e RTDETRv2 sono risultati importanti, ma il settore della computer vision evolve rapidamente. Per i nuovi progetti, il modello consigliato è YOLO26.

Rilasciato a gennaio 2026, YOLO26 combina l'efficienza delle CNN con l'inferenza end-to-end in stile DETR. Integra un design end-to-end senza NMS opzionale (nms=False) che elimina la post-elaborazione NMS, un approccio introdotto nei modelli YOLO da YOLOv10. YOLO26 rimuove anche la perdita focale di distribuzione (DFL) per una migliore compatibilità con l'edge e introduce l'ottimizzatore MuSGD. Ispirato all'addestramento dei modelli linguistici di grandi dimensioni (in particolare Kimi K2 di Moonshot AI), questo ibrido di SGD e Muon migliora la stabilità dell'addestramento e la velocità di convergenza.

Insieme a ProgLoss e STAL (Progressive Loss e assegnazione delle etichette consapevole degli oggetti piccoli) per migliorare il rilevamento degli oggetti piccoli, queste modifiche rendono YOLO26 un'ottima scelta per le moderne distribuzioni AI; YOLO26n raggiunge una velocità sulla CPU fino al 43% superiore a quella di YOLO11n.

Commenti

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