YOLOX vs. RTDETRv2: Valutazione dell'evoluzione dei modelli di rilevamento oggetti in tempo reale

Scegliere l'architettura ottimale per applicazioni di computer vision richiede un attento equilibrio tra precisione, velocità di inferenza e fattibilità del deployment. In questa analisi tecnica completa, esploriamo le differenze fondamentali tra YOLOX, un'architettura CNN anchor-free di grande successo, e RTDETRv2, un transformer di rilevamento in tempo reale all'avanguardia.

Sebbene entrambi i modelli abbiano dato contributi significativi al campo del rilevamento oggetti, gli sviluppatori che creano applicazioni pronte per la produzione spesso scoprono che le moderne alternative come Ultralytics YOLO26 offrono una maggiore efficienza di addestramento, minori requisiti di memoria e un ecosistema di deployment più robusto.

YOLOX: Colmare il divario tra ricerca e industria

YOLOX è emerso come un adattamento anchor-free molto popolare della serie YOLO, introducendo un design semplificato che ha fornito notevoli miglioramenti delle prestazioni al momento del suo rilascio.

• Autori: Zheng Ge, Songtao Liu, Feng Wang, Zeming Li e Jian Sun
• Organizzazione: Megvii
• Data: 18 luglio 2021
• Link: Arxiv, GitHub, Documentazione

Innovazioni architettoniche

YOLOX ha traghettato la famiglia YOLO verso un paradigma anchor-free, integrando una head disaccoppiata e la strategia avanzata di assegnazione delle label SimOTA. Eliminando gli anchor box, l'architettura ha ridotto significativamente il numero di parametri di design e migliorato la generalizzazione su vari dataset di benchmark. Le sue versioni leggere, YOLOX-Nano e YOLOX-Tiny, sono diventate scelte popolari per il deployment di applicazioni di AI per la visione su dispositivi edge.

Scopri di più su YOLOX

RTDETRv2: Far progredire i Vision Transformer in tempo reale

Basandosi sulle fondamenta del suo predecessore, RTDETRv2 sfrutta la potenza dei Vision Transformer (ViT) per ottenere un'accuratezza altamente competitiva senza sacrificare le velocità di inferenza in tempo reale.

• Autori: Wenyu Lv, Yian Zhao, Qinyao Chang, Kui Huang, Guanzhong Wang e Yi Liu
• Organizzazione: Baidu
• Data: 24-07-2024
• Link: Arxiv, GitHub

Innovazioni architettoniche

RTDETRv2 reimmagina fondamentalmente la pipeline di rilevamento utilizzando un'architettura basata su transformer che aggira nativamente la Non-Maximum Suppression (NMS). Questo risultato si ottiene attraverso un encoder ibrido e una selezione delle query sensibile alla IoU, che migliora l'inizializzazione delle query degli oggetti. Il modello gestisce efficacemente le caratteristiche multi-scala, consentendogli di catturare dettagli intricati in ambienti complessi, come il rilevamento video del traffico notturno.

Tuttavia, i transformer sono intrinsecamente avidi di risorse. L'addestramento di RTDETRv2 richiede solitamente molta più memoria GPU e cicli di calcolo rispetto alle alternative basate su CNN, il che può rappresentare un ostacolo per i team che operano con rigidi vincoli di budget o per quelli che richiedono una frequente ottimizzazione del modello.

Scopri di più su RTDETR

Tabella di confronto delle prestazioni

Per valutare oggettivamente queste architetture, esaminiamo le loro prestazioni sul dataset COCO. La tabella seguente illustra i compromessi tra accuratezza (mAP), numero di parametri e complessità computazionale.

Sebbene RTDETRv2 raggiunga un'accuratezza impressionante, YOLOX mantiene un vantaggio nei profili di parametri leggeri, in particolare con le sue varianti Nano e Tiny.

Casi d'uso e raccomandazioni

La scelta tra YOLOX e RT-DETR dipende dai requisiti specifici del tuo progetto, dai vincoli di deployment e dalle preferenze dell'ecosistema.

Quando scegliere YOLOX

YOLOX è una scelta solida per:

• Ricerca sul rilevamento anchor-free: Ricerca accademica che utilizza l'architettura pulita e anchor-free di YOLOX come base per sperimentare nuove teste di rilevamento o funzioni di perdita.
• Dispositivi edge ultraleggeri: Distribuzione su microcontrollori o hardware mobile legacy dove l'impronta estremamente piccola della variante YOLOX-Nano (0.91M parametri) è critica.
• Studi sull'assegnazione delle etichette SimOTA: Progetti di ricerca che studiano strategie di assegnazione delle etichette basate sul trasporto ottimale e il loro impatto sulla convergenza dell'addestramento.

Quando scegliere RT-DETR

RT-DETR è consigliato per:

• Ricerca sul rilevamento basato su Transformer: Progetti che esplorano meccanismi di attenzione e architetture transformer per il rilevamento oggetti end-to-end senza NMS.
• Scenari ad alta precisione con latenza flessibile: Applicazioni in cui la precisione di rilevamento è la priorità assoluta e una latenza di inferenza leggermente superiore è accettabile.
• Rilevamento di oggetti grandi: Scene con oggetti prevalentemente medio-grandi in cui 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 di sviluppo:

• Deployment Edge senza NMS: Applicazioni che richiedono un'inferenza coerente e a bassa latenza senza la complessità della post-elaborazione con Non-Maximum Suppression.
• Ambienti solo CPU: Dispositivi senza accelerazione GPU dedicata, dove l'inferenza su CPU di YOLO26, fino al 43% più veloce, offre un vantaggio decisivo.
• Rilevamento di piccoli oggetti: Scenari complessi come immagini di droni aerei o analisi tramite sensori IoT dove ProgLoss e STAL migliorano significativamente l'accuratezza su oggetti minuscoli.

Il vantaggio di Ultralytics: YOLO26

Sebbene sia YOLOX che RTDETRv2 offrano punti di forza distinti, il nuovo Ultralytics YOLO26 ridefinisce lo stato dell'arte per l'AI della visione, risolvendo i compromessi storici tra velocità, accuratezza e facilità di deployment.

Architettura end-to-end senza NMS

Traendo ispirazione dai modelli transformer pur mantenendo l'efficienza delle CNN, YOLO26 presenta un design nativamente end-to-end senza NMS. Eliminando la Non-Maximum Suppression come fase di post-elaborazione, YOLO26 semplifica drasticamente le pipeline di deployment, garantendo una latenza di inferenza coerente su vari dispositivi edge senza il sovraccarico di una complessa regolazione delle soglie.

Inferenza CPU fino al 43% più veloce

A differenza delle architetture transformer come RTDETRv2 che si basano pesantemente su GPU di fascia alta, YOLO26 è specificamente ottimizzato per ambienti di edge computing. Attraverso la rimozione della Distribution Focal Loss (DFL), YOLO26 semplifica l'esportazione dei modelli e raggiunge un'inferenza su CPU fino al 43% più veloce, rendendolo la scelta ideale per l'integrazione in hardware come Raspberry Pi o dispositivi mobili standard.

Efficienza di addestramento con MuSGD

L'addestramento dei modelli transformer porta spesso a un eccessivo consumo di memoria CUDA e a tempi di addestramento prolungati. YOLO26 introduce il nuovo ottimizzatore MuSGD, un ibrido tra Stochastic Gradient Descent e l'ottimizzatore Muon ispirato ai LLM. Questa innovazione offre un addestramento eccezionalmente stabile e una convergenza più rapida, riducendo significativamente i requisiti hardware rispetto a RTDETRv2.

Ecosistema e versatilità senza pari

L'ecosistema Ultralytics offre un'esperienza per lo sviluppatore intuitiva e semplificata. Con una documentazione estesa, un supporto attivo della comunità e la piattaforma Ultralytics basata sul cloud, gestire l'intero ciclo di vita dell'AI non è mai stato così facile. Inoltre, YOLO26 è estremamente versatile. Mentre RTDETRv2 si concentra sul rilevamento oggetti, YOLO26 supporta nativamente segmentazione di istanze, stima della posa, classificazione delle immagini e attività Oriented Bounding Box (OBB). Migliorato dalle nuove funzioni di loss ProgLoss + STAL, YOLO26 eccelle anche nel riconoscimento di piccoli oggetti, una caratteristica fondamentale per l'immaginario aereo e il rilevamento di difetti industriali.

Integrazione perfetta con Ultralytics

Il deployment dei modelli non dovrebbe richiedere di doversi destreggiare tra codebase complesse e frammentate. L'API Python di Ultralytics ti consente di caricare, addestrare ed esportare modelli all'avanguardia in poche righe di codice.

from ultralytics import YOLO

# Load the latest YOLO26 nano model for optimal edge performance
model = YOLO("yolo26n.pt")

# Train the model on your custom dataset with minimal memory overhead
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Validate the model's performance
metrics = model.val()

# Export seamlessly to ONNX or TensorRT for deployment
model.export(format="onnx", optimize=True)

Sfruttando Ultralytics, eviti le complicate configurazioni ambientali tipicamente associate ai repository di ricerca, accelerando il tuo time-to-market.

Conclusione

YOLOX e RTDETRv2 rappresentano pietre miliari significative nel progresso del rilevamento oggetti in tempo reale. YOLOX ha dimostrato la fattibilità di CNN anchor-free altamente efficienti, mentre RTDETRv2 ha adattato con successo i transformer ai vincoli in tempo reale.

Tuttavia, per le applicazioni moderne che spaziano dall'analisi retail intelligente alla robotica embedded, Ultralytics YOLO26 fornisce la soluzione definitiva. Fondendo l'inferenza senza NMS con velocità CPU senza pari, ingombri di memoria ridotti e il solido supporto della piattaforma Ultralytics, YOLO26 dota gli sviluppatori degli strumenti per costruire la prossima generazione di sistemi di computer vision affidabili e ad alte prestazioni.