Inizia

YOLOX vs RTDETRv2

Scegliere l'architettura ottimale per le applicazioni di visione artificiale richiede un attento equilibrio tra accuratezza, velocità di inferenza e fattibilità della distribuzione. Questa analisi tecnica esamina le principali differenze tra YOLOX, un'architettura CNN senza anchor ampiamente utilizzata, e RTDETRv2, un Transformer per il rilevamento in tempo reale.

Sebbene entrambi i modelli abbiano contribuito in modo significativo al campo del rilevamento di oggetti, gli sviluppatori che realizzano applicazioni pronte per la produzione spesso scoprono che alternative più recenti come Ultralytics YOLO26 offrono una maggiore efficienza di addestramento, requisiti di memoria inferiori e un ecosistema di distribuzione più maturo.

YOLOX: colmare il divario tra ricerca e industria#

YOLOX è emerso come un'adattamento senza anchor molto apprezzato della serie YOLO, introducendo un design semplificato che, al momento del rilascio, ha offerto notevoli miglioramenti delle prestazioni.

Innovazioni architetturali#

YOLOX ha portato la famiglia YOLO al paradigma senza anchor, integrando una testa disaccoppiata e la strategia di assegnazione delle etichette SimOTA. Eliminando le anchor box, l'architettura ha ridotto significativamente il numero di parametri di progettazione e migliorato la generalizzazione su diversi dataset di benchmark. Le sue versioni leggere, YOLOX-Nano e YOLOX-Tiny, sono diventate scelte diffuse per distribuire applicazioni di AI visiva su dispositivi edge.

Considerazioni sui modelli legacy

Sebbene YOLOX abbia introdotto notevoli innovazioni, la dipendenza dalla post-elaborazione tradizionale con soppressione dei massimi non locali (NMS) può causare una latenza maggiore rispetto ai modelli nativamente end-to-end.

Scopri di più su YOLOX

RTDETRv2: progressi nei Vision Transformer in tempo reale#

Basato sul suo predecessore RT-DETR, RTDETRv2 utilizza i Vision Transformer (ViT) per ottenere un'accuratezza competitiva mantenendo velocità di inferenza in tempo reale.

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

Innovazioni architetturali#

RTDETRv2 ripensa la pipeline di rilevamento con un'architettura basata su Transformer che evita NMS in modo nativo. Ciò è reso possibile da un encoder ibrido e dalla selezione delle query consapevole di IoU, che migliora l'inizializzazione delle query degli oggetti. Il modello gestisce efficacemente le caratteristiche multiscala, consentendogli di cogliere dettagli complessi in ambienti articolati, come nel rilevamento di veicoli in video notturni.

Tuttavia, i Transformer richiedono molte risorse. L'addestramento di RTDETRv2 richiede in genere molta più memoria GPU e più cicli di calcolo rispetto alle alternative basate su CNN, il che può rappresentare un ostacolo per i team con vincoli di budget rigorosi o che necessitano di frequenti ottimizzazioni del modello.

Scopri di più su RTDETRv2

Tabella di confronto delle prestazioni#

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

Modellodimensione
(pixel)
mAPval50-95Velocità
CPU ONNX
(ms)
Velocità
T4 TensorRT10
(ms)
parametri
(M)
FLOPs
(B)
YOLOXnano41625.8--0.911.08
YOLOXtiny41632.8--5.066.45
YOLOXs64040.5-2.569.026.8
YOLOXm64046.9-5.4325.373.8
YOLOXl64049.7-9.0454.2155.6
YOLOXx64051.1-16.199.1281.9
RTDETRv2-s64048.1-5.032060
RTDETRv2-m64051.9-7.5136100
RTDETRv2-l64053.4-9.7642136
RTDETRv2-x64054.3-15.0376259

RTDETRv2 raggiunge un'accuratezza superiore a una latenza simile (per esempio, 54.3 mAP a 15.03 ms per RTDETRv2-x contro 51.1 mAP a 16.1 ms per YOLOXx), mentre YOLOX mantiene un vantaggio nei profili con pochi parametri, in particolare nelle varianti Nano e Tiny.

Casi d'uso e consigli#

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

Quando scegliere YOLOX#

YOLOX è una scelta valida per:

  • Ricerca sul rilevamento senza anchor: Ricerca accademica che usa l'architettura pulita e senza anchor di YOLOX come riferimento per sperimentare nuove head di rilevamento o funzioni di perdita.
  • Dispositivi edge ultraleggeri: Implementazione su microcontrollori o hardware mobile legacy, dove le dimensioni estremamente ridotte della variante YOLOX-Nano (0,91 M di parametri) sono fondamentali.
  • Studi sull'assegnazione delle etichette SimOTA: Progetti di ricerca che analizzano le 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 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 vantaggio di Ultralytics: YOLO26#

Sebbene YOLOX e RTDETRv2 abbiano punti di forza distinti, Ultralytics YOLO26, rilasciato a gennaio 2026, affronta molti dei compromessi storici tra velocità, accuratezza e facilità di distribuzione.

1. Architettura end-to-end senza NMS#

Traendo ispirazione dai modelli Transformer e mantenendo l'efficienza delle CNN, YOLO26 offre un design end-to-end opzionale senza NMS (nms=False). Eliminando la soppressione dei massimi non locali come fase di post-elaborazione, YOLO26 semplifica le pipeline di distribuzione e garantisce una latenza di inferenza costante su vari dispositivi edge, senza il sovraccarico della complessa ottimizzazione delle soglie.

2. Inferenza su CPU fino al 43% più veloce#

A differenza delle architetture Transformer come RTDETRv2, che in genere dipendono dalle GPU, YOLO26 è ottimizzato per gli ambienti di edge computing. Con la Distribution Focal Loss (DFL) rimossa, YOLO26 semplifica l'esportazione del modello e YOLO26n raggiunge un'inferenza su CPU fino al 43% più veloce rispetto a YOLO11n, risultando una scelta valida per l'integrazione in hardware come Raspberry Pi o nei normali dispositivi mobili.

3. Efficienza di addestramento con MuSGD#

L'addestramento dei modelli Transformer spesso comporta un consumo eccessivo di memoria CUDA e tempi di addestramento prolungati. YOLO26 introduce l'ottimizzatore MuSGD, una combinazione di Stochastic Gradient Descent e dell'ottimizzatore Muon, ispirato agli LLM, per garantire un addestramento stabile e una convergenza più rapida. Insieme alla sua architettura CNN, questo consente di mantenere requisiti hardware di addestramento inferiori rispetto a RTDETRv2.

4. Ecosistema e versatilità#

L'ecosistema Ultralytics offre un'esperienza di sviluppo intuitiva e semplificata. Grazie alla documentazione completa, al supporto attivo della community e alla piattaforma Ultralytics basata sul cloud, gestire l'intero ciclo di vita dell'AI è semplice. YOLO26 è anche versatile: mentre RTDETRv2 si concentra sul rilevamento di oggetti, YOLO26 supporta nativamente le attività di segmentazione di istanze, classificazione di immagini, stima della posa e rilevamento di riquadri di delimitazione orientati (OBB). Grazie al nuovo ProgLoss + STAL (perdita progressiva e assegnazione delle etichette attenta agli oggetti piccoli), YOLO26 migliora anche il rilevamento degli oggetti piccoli, una funzionalità fondamentale per le immagini aeree e il rilevamento dei difetti industriali.

Altri modelli supportati

Il framework Ultralytics supporta anche le generazioni precedenti YOLO11 e YOLOv8, consentendo agli utenti di confrontare facilmente le prestazioni e migrare le pipeline legacy.

Integrazione con Ultralytics#

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

from ultralytics import YOLO

# Carica il modello nano YOLO26 più recente per prestazioni edge ottimali
model = YOLO("yolo26n.pt")

# Addestra il modello sul tuo dataset personalizzato con un consumo minimo di memoria
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Valida le prestazioni del modello
metrics = model.val()

# Esporta in ONNX o TensorRT per il deployment
model.export(format="onnx")

Scegliendo Ultralytics, eviti le complicate configurazioni dell'ambiente tipiche dei repository di ricerca e acceleri il time-to-market.

Conclusione#

YOLOX e RTDETRv2 rappresentano tappe importanti nell'evoluzione del rilevamento di oggetti in tempo reale. YOLOX ha dimostrato la validità delle CNN efficienti senza anchor, mentre RTDETRv2 ha adattato con successo i Transformer ai vincoli del tempo reale.

Tuttavia, per le applicazioni moderne, dall'analisi intelligente delle vendite al dettaglio alla robotica embedded, la scelta consigliata è Ultralytics YOLO26. Combinando inferenza senza NMS, velocità elevate su CPU, un ingombro di memoria ridotto e il supporto della piattaforma Ultralytics, YOLO26 aiuta gli sviluppatori a creare sistemi di visione artificiale affidabili e ad alte prestazioni.

Commenti

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